Узел «Ассоциативные правила»

Параметр

Возможные значения и ограничения

Описание

Название

Ручной ввод.

Ограничений на значение нет.

Название узла, которое будет отображаться в интерфейсе.

Описание

Ручной ввод.

Ограничений на значение нет.

Описание узла.

Переменная идентификатор

Раскрывающийся список с переменными, имеющими Роль "Идентификатор" (см. Узел "Метаданные").

Представляет собой уникальный идентификатор события из набора данных.

Переменная предмет

Раскрывающийся список с переменными, имеющими Роль "Предмет" (см. Узел "Метаданные").

Представляет собой один из объектов, продуктов, атрибутов или сущностей, которые могут присутствовать в наборе данных.

Метод

Раскрывающийся список со следующими значениями:

• Apriori;
• FP-Growth.

Данный параметр задает алгоритм вычисления ассоциативных правил.
Apriori - алгоритм используется для анализа ассоциативных правил в наборе данных. Алгоритм ищет частые наборы элементов (itemsets) и на их основе извлекает ассоциативные правила.
FP-Growth (Frequent Pattern Growth) - алгоритм FP-Growth для анализа ассоциативных правил. Основная идея FP-Growth заключается в построении структуры данных, называемой FP-дерево, для эффективного поиска частых наборов элементов.

Минимальная поддержка (min support)

Ручной ввод.
По умолчанию - 0,5

Параметр, используемый в алгоритмах Apriori и FP-Growth, для определения, какие наборы элементов считаются "частыми" в наборе данных.

Максимальная длина

Ручной ввод.
По умолчанию -1.

Метрика

Раскрывающийся список со следующими значениями:

• confidence;
• support;
• lift;
• leverage;
• conviction.

Данный параметр задает алгоритм вычисления ассоциативных правил.

• Support (Поддержка): Поддержка для набора элементов (itemset) указывает на долю транзакций в данных, в которых этот набор встречается. Это показывает, насколько часто этот набор элементов встречается в данных.
• Confidence (Уверенность): Уверенность для ассоциативного правила A -> B (где A и B - наборы элементов) определяется как доля транзакций, содержащих A и B одновременно, относительно транзакций, содержащих только A. Эта метрика показывает, насколько часто B появляется, когда A уже есть.
• Lift (Подъем): Подъем измеряет, насколько сильно ассоциативное правило A -> B отличается от случайного события. Он вычисляется как отношение уверенности правила A -> B к поддержке B. Если lift > 1, это указывает на то, что A и B встречаются вместе чаще, чем ожидалось случайно.
• Leverage (Полезность): Полезность измеряет разницу между наблюдаемой частотой встречаемости набора элементов A и B и частотой, которую можно было бы ожидать, если они были независимыми. Большое положительное значение leverage указывает на сильную связь между A и B.
• Conviction (Убежденность): Убежденность измеряет, насколько зависимыми могут быть элементы A и B, основываясь на частоте появления набора A и набора B. Высокое значение conviction означает, что A и B имеют сильную взаимосвязь.

Минимальный порог (Min threshold)

Ручной ввод.
По умолчанию - 0.8.

Значение, используемое для ограничения вывода ассоциативных правил или других результатов анализа данных. Этот параметр позволяет отфильтровать результаты, оставляя только те, которые удовлетворяют определенному стандарту качества или интересности.