Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 18): Assoziationsregeln"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Neuronale Netze leicht gemacht (Teil 18): Assoziationsregeln :
Als Fortsetzung dieser Artikelserie betrachten wir eine andere Art von Problemen innerhalb der Methoden des unüberwachten Lernens: die Ermittlung von Assoziationsregeln. Dieser Problemtyp wurde zuerst im Einzelhandel, insbesondere in Supermärkten, zur Analyse von Warenkörben eingesetzt. In diesem Artikel werden wir über die Anwendbarkeit solcher Algorithmen im Handel sprechen.
Der Algorithmus beginnt mit der Eliminierung zufälliger Elemente. Dazu führen wir, wie beim vorherigen Algorithmus, den ersten Durchgang für die gesamte Trainingsmenge durch und berechnen die Unterstützung für jedes Element. Danach löschen wir alle Einträge, deren Häufigkeit kleiner als MinSup ist.
Die übrigen Elemente sind in absteigender Reihenfolge ihrer Träger angeordnet. Aus dem obigen Beispiel ergibt sich die folgende Reihe:
D (0.8) -> C (0.7) -> B (0.6) -> E(0.4)
Als Nächstes werden wir den FP-Baum wachsen lassen. Dazu führen wir den zweiten Durchlauf über die Trainingsstichprobe durch. In jeder Transaktion nehmen wir nur häufige Elemente, die in absteigender Reihenfolge der Unterstützungen angeordnet sind, und erstellen einen Pfad im Baum. Der Knoten mit der höchsten Unterstützung befindet sich also in der Wurzel des Baumes, während der Knoten mit der niedrigsten Unterstützung ein Blatt ist. Wir erstellen auch einen Zähler für jeden Knoten. Bei der ersten Iteration setzen wir den Zählerwert auf 1 (oder 1/N, wobei N die Größe der Trainingsstichprobe ist).
Autor: Dmitriy Gizlyk