• Tidak ada hasil yang ditemukan

Example Association Rule

N/A
N/A
ณัฐริกา มีเดช

Academic year: 2023

Membagikan "Example Association Rule"

Copied!
3
0
0

Teks penuh

(1)

แบบฝึก ัด Association Rule

นาง า ณัฐริกา มีเดช ร ั ประจำตั นัก ึก า 6411508044 จง ร้างกฎค าม ัมพันธ์จากรายการซื้อ ินค้าของลูกค้าต่อไปนี้

โดยกำ นดค่า Support = 50% และค่า Confidence = 70%

น้ำดื่ม ขนมปัง ชาเขียว กล้วย มี่กึ่งฯ

CUS1 1 1 1 1

CUS2 1 1

CUS3 1 1 1

CUS4 1 1

CUS5 1 1 1

CUS6 1 1 1

CUS7 1 1 1

CUS8 1 1 1 1

CUS9 1 1 1

Support : เป็นตั ัดประ ิทธิภาพ ำ รับ itemset โดยเป็นตั เลขที่แ ดง ัด ่ นของจำน นตะกร้า การซื้อขายที่มี itemset ต่อจำน นตะกร้าการซื้อขายทั้ง มด รือ “มีการซื้อขายที่มี itemset อยู่

ด้ ยเป็น ัด ่ นเท่าใด ในการซื้อขายทั้ง มด”

ากเขียนในรูปแบบ มการทางคณิต า ตร์จะได้ ่า

Support(Itemset) = จำน นตะกร้าซื้อขายที่มี 𝒊𝒕𝒆𝒎𝒔𝒆𝒕 จำน นตะกร้าซื้อขายทั้ง มด

ินค้า

ตะกร้าที่ (Transaction ID) SUPPORT

(0.5) CUS1 CUS2 CUS3 CUS4 CUS5 CUS6 CUS7 CUS8 CUS9

น้ำดื่ม 1 1 1 1 0.44

ขนมปัง 1 1 1 1 1 1 0.67

ชาเขีย 1 1 1 1 1 1 1 0.78

กล้ ย 1 1 1 1 1 1 0.67

มี่กึ่งฯ 1 1 1 1 0.44

(2)

ากเรากำ นด Minimum support threshold = 0.6 และคัดเลือกเฉพาะ itemset ที่มีค่า Support มากก ่า รือเท่ากับ 0.6 จะมี ินค้าที่ถูกตัด คือ น้ำดื่ม และ บะ มี่กึ่ง ำเร็จรูป

ากนำ มาชิกที่เ ลือมาพิจารณา itemset ที่มี มาชิก 2 ตั จะได้ itemset ดังนี้

ินค้า

ตะกร้าที่ (Transaction ID) SUPPORT (0.5) 1 2 3 4 5 6 7 8 9

น้ำดื่ม,ขนมปัง 1 0.11

น้ำดื่ม,ชาเขีย 1 1 0.22

น้ำดื่ม,กล้ ย 1 1 1 1 0.44

น้ำดื่ม,บะ มี่กึ่ง ำเร็จรูป 1 1 0.22

ขนมปัง,ชาเขีย 1 1 1 1 1 0.56

ขนมปัง,กล้ ย 1 1 0.22

ขนมปัง,บะ มี่กึ่ง ำเร็จรูป 1 1 0.22

ชาเขีย ,กล้ ย 1 1 1 1 0.44

ชาเขีย ,บะ มี่กึ่ง ำเร็จรูป 1 1 1 0.33 กล้ ย,บะ มี่กึ่ง ำเร็จรูป 1 1 1 0.33 Confidence เป็นตั ัดประ ิทธิภาพ ำ รับ Association rule โดยเป็นตั เลขที่แ ดงค ามน่าจะเป็นที่

กลุ่มของ ินค้า RHS จะถูก ยิบเข้าตะกร้าด้ ย ลังจากที่ ยิบกลุ่มของ ินค้า LHS เข้าตะกร้า

จากกฎของค าม ัมพันธ์ LHS => RHS ค่างของ Confidence ถูกเขียนด้ ย มการทางคณิต า ตร์ คือ Confidence(LHS=>RHS) = Support(LHS,RHS)

Support(LHS) = จ ำนวนตะกร้ำซื้อขำยที่มีทั้ง 𝐿𝐻𝑆 และ 𝑅𝐻𝑆 จ ำนวนตะกร้ำซื้อขำยที่มี 𝐿𝐻𝑆 จากโจทย์ ามารถ ร้าง Association rules และคำน ณ Confidence ได้ดังตารางที่แ ดงข้างล่าง าก เราเลือกตัดที่ Minimum Confidence threshold = 0.7 จะได้ดังนี้

Confidence(LHS=>RHS) = 0.560.67 = 0.83582

จะเ ็น ่า การใช้ค่า Confidence จะได้กฎค าม ัมพันธ์ที่มีค่า ูง ุดคือ ขนมปัง=>ชาเขีย

(3)

จากกฎ Association Rule ที่ได้คือ การซื้อขนมปังก่อน จะซื้อชาเขีย เพิ่มด้ ย ซึ่งมีค่าค ามเชื่อมั่น 83%

ซึ่งดิฉันจะจัดทำโปรโมชั่น การขาย คือ

ซื้อขนมปัง 2 ชิ้น รับ ่ นลดซื้อน้ำชาเขีย 50% ทันที

Referensi

Dokumen terkait

Association Rule Mining (ARM) merupakan task dari data mining yang berfungsi khusus untuk mencari aturan asosiasi antar item s dalam frequent itemsets pada dataset yang

Setiap node yang berada pada lintasan T diberi nilai support awal 0, ini dilakukan untuk mengetahui informasi berapa kali item dibeli bersamaan dengan item T dan

Dalam penelitian ini akan dilakukan pengujian apakah metode Association Rule dapat digunakan untuk menyelesaikan permasalahan pada data hasil tangkapan ikan.. Dalam penelitian

Konsumen mempunyai cara yang beragam dalam menyampaikan opininya pada sebuah review, maka dari itu digunakan association rule mining untuk menemukan frequent itemset yang

Pada dataset Reuters memiliki hasil yang hampir sama dengan dataset Classic, yaitu penggunaan sinonim pada metode yang diusulkan memiliki nilai overall f-measure yang

Association Rule Mining (ARM) merupakan task dari data mining yang berfungsi khusus untuk mencari aturan asosiasi antar items dalam frequent itemsets pada dataset yang

Minimization of the number of database scans: SPC tree structure is used to make the mining process more efficient in terms of database scans in the distributed environment, which

During the next step, candidate 2-item sets are created using frequent 1-item sets as the Apriori rule confirms that superset of non-frequent 1- Item Count Scala Codebook 4 Learning