Geri Dön

Nicel birliktelik kuralları için ilginçlik ölçütü ve çoklu destek değeri

Interestingness measure and multi support value for quantitative association rules

  1. Tez No: 479140
  2. Yazar: YALÇIN ATEŞ
  3. Danışmanlar: DOÇ. DR. MURAT KARABATAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

Veri madenciliği, sayısal ortamlarda biriken verilerden anlamlı ve faydalı bilgiler elde etmek için son yıllarda yoğun olarak kullanılan bir çalışma alanıdır. Birliktelik kuralı ise veriler arasındaki ilişkileri ortaya çıkarmak için kullanılan veri madenciliği tekniklerinden biridir. Birliktelik kuralı, ilk olarak 1993 yılında Agrawal ve arkadaşları tarafından ele alınmıştır. Birliktelik kuralı uygulamalarında kullanılan destek ve güven değerleri bu yöntemin en önemli iki parametresidir. Ancak nicel değerlere sahip veri setlerinde destek değerinin belirlenmesi sorun oluşturabilmektedir. Minimum destek değerinin uygun seçilememesi, veri setindeki ilginç ve değerli bazı kuralların ya üretilememesine ya da değerli olmayan çok sayıda gereksiz kural üretilmesine neden olmaktadır. Bu tez çalışmasında, nicel veri setleri üzerinde destek değerinin seçilmesi sorununu giderebilmek için çoklu destek değeri kullanan yeni bir yaklaşım önerilmektedir. Önerilen bu yaklaşım iki farklı örnek veri seti üzerinde uygulanmış ve elde edilen sonuçlar detaylı bir şekilde açıklanmıştır.

Özet (Çeviri)

Data Mining is a field that has been used extensively in recent years to obtain meaningful and useful information from data accumulated in digital environments. Association Rule is one of the Data Mining techniques that are used to reveal relationships between data. The association rule is first discussed in 1993 by Agrawal et al. The support and confidence values used in association rules are the two most important parameters of this method. However, determining the value of support in quantitative data sets can be problematic. Failure to select the minimum support value causes some interesting and valuable rules in the dataset to either not be produced or to generate a large number of unnecessary rules that are not valuable. In this thesis, a new approach is proposed which uses multiple support values to overcome the problem of selecting support value on quantitative data sets. This proposed approach has been applied on two different sample data sets and the results obtained are explained in detail.

Benzer Tezler

  1. Nicel birliktelik kurallarının keşfinde bulanık mantık ve genetik algoritma yaklaşımı

    Fuzzy logic and genetic algorithm approaches in mining of quantitative association rules

    BİLAL ALATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ARSLAN

  2. Nicel birliktelik kurallarının bulanık mantık ve genetik algoritma ile otomatik keşfi

    Discovery of quantitative association rules with fuzzy logic and genetic algorithms

    KORKUT KORAY GÜNDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YETKİN TATAR

  3. Yerçekimsel arama algoritmasıyla nicel birliktelik kurallarının keşfi

    Association rules mining with gravitational search algorithm

    ÜMİT CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiTunceli Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİLAL ALATAŞ

  4. Tüketici tercihlerinin yapay sinir ağları yöntemiyle tahmini: Perakende sektöründe bir uygulama

    Prediction of consumer preferences by artificial neural networks method: An application in the retail sector

    BAHAR ÇELİK

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeManisa Celal Bayar Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. PINAR AYTEKİN

  5. Üniversitelerde yetenek yönetimi kapsamında yetenek havuzu oluşturmaya yönelik bir model önerisi

    A model for the formation of a talent pool within the talent management in universities

    SEDA GÜNDÜZALP

    Doktora

    İngilizce

    İngilizce

    2016

    Eğitim ve ÖğretimFırat Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. MUKADDER BOYDAK ÖZAN