Veri madenciliğinde apriori algoritması ve apripori algoritmasının farklı veri kümelerinde uygulanması
Apriori algorithm in datamining and applying apriori algorithm for different datasets
- Tez No: 269275
- Danışmanlar: YRD. DOÇ. DR. NURŞEN SUÇSUZ, YRD. DOÇ. DR. NİLÜFER YURTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Veri madenciliği, Apriori algoritması, Birliktelik kuralları, Market sepet analizi, Apriori algoritmasının farklı veri kümelerine uygulanması, Apriori algoritmasının anket verileri üzerine uygulanması, Data mining, Apriori algorithm, Association rules, Market basket analysis, Applying apriori algorithm for different datasets, Applying apriori algorithm for poll datasets
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Günümüzde teknoloji sayesinde çok büyük miktarda veri elde edilip saklanabilmektedir. Bilindiği gibi veriler tek başlarına değersizdirler. Bu veriler ancak belli bir amaç doğrultusunda işlendiği zaman anlamlı hale gelmektedir. Veri madenciliği, büyük miktardaki mevcut veri içinden anlamlı, potansiyel olarak kullanışlı, gelecekle ilgili tahmin yapılmasını sağlayan bağıntı ve kuralların bilgisayar programları kullanarak bulunmasıdır.Veri madenciliğinde en sık kullanılan yöntemlerden bir tanesi birliktelik kurallarıdır. Birliktelik kuralları, aynı işlem içinde çoğunlukla beraber görülen nesneleri içeren kurallardır.Apriori algoritması, veri madenciliğinde sık geçen öğelerin keşfedilmesi için kullanılan en çok bilinen birliktelik-ilişki kuralı algoritmasıdır. Sık geçen öğeleri bulmak için birçok kez veritabanını taramak gerekir, bu taramalar aşamasında Apriori algoritmasının birleştirme, budama işlemleri ve minimum destek ölçütü yardımı ile birliktelik ilişkisi olan öğeler bulunur.Bu tez çalışmasında, veri madenciliği ile ilgili kavramlar ve özellikle market sepet analizinde kullanmak üzere birliktelik kuralları üreten apriori algoritması detaylı bir şekilde ele alınmıştır. Apriori algoritması market sepet analizinden farklı bir veri küme seti üzerine uygulanmıştır. Örnek anket veri setinden, apriori algoritması kullanılarak birliktelik kurallarını bulan bir uygulama geliştirilmiştir. Bu uygulama içinde, veri tabanı dönüşüm işlemi gerçekleştirilmiştir.
Özet (Çeviri)
Today, large amounts of data can be collected and stored by using technology. As known the data are worthless alone. These data would be significant only if they worked in the aim of this subject. Data mining is the process of finding the rules and the correlations among the large amounts of data by the computer programmes, which are understandable, potentially useful and provide predictions about the future.In data mining, association rules are one of the most frequently used methods which are the special application areas of the data mining. Association rules are the rules that include which items commonly occur together in the same transactions.The Apriori algorithm is the most popular association rule algorithm which discovers all frequent itemsets in large database of transactions. This algorithm uses iterative approach to count the frequent itemsets. Using this algorithm, candidate patterns which receive sufficient support from the database and the algorithm uses aprior gen actions join and prune to find all frequent itemsets.In this thesis, concepts about the data mining and apriori algorithm especially using in the market-basket analysis to produce the association rules are examined in details. Apriori algorithm was applied to dataset which is different from market basket analysis. An application was developed to find association rules from sample poll datasets by using apriori algorithm. Dataset transformation algorithm was developed and applied in this application.
Benzer Tezler
- Birliktelik kuralları algoritmalarının otomotiv sektörü verileri üzerinde spmf ve weka ile performans analizi
Performance analysis of association rules algorithms on automotive industry data with spmf and weka
MELİH NAİR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH KAYAALP
- Mining association role algorithms in large databases
Büyük veri tabanlarında ilişkisel kural algoritmalarının incelenmesi
SEMİH UTKU
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALP KUT
- Veri madenciliğinde Apriori algoritmasının sınav verileri üzerinde uygulanması
Apriori algorithm implementation on exam data in data mining
MUHAMMED EMİN EKER
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RECAİ OKTAŞ
- Analysis of the impact of clustering on Apriori data mining algorithm
Kümelemenin Apriori veri madenciliği algoritmasına etkisinin incelenmesi
NERGİS YILMAZ
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLFEM IŞIKLAR ALPTEKİN
- Implementation of some medical data in Apriori algorithm
Apriori algoritmasının bazı tıbbı verilere uygulanması
FAWAD SADIQMAL
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NILÜFER YURTAY