Sık öğe kümesi madenciliği algoritmalarının karşılaştırılması
Comparison of frequent itemset mining algorithms
- Tez No: 823542
- Danışmanlar: PROF. DR. NEVCİHAN DURU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Apriori, FP-Growth, FP-Max, Sık Öğe Kümesi Madenciliği, SOM, Apriori, FP-Growth, FP-Max, Frequent Itemset Mining, SOM
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Birliktelik Kuralları, bir veri setindeki öğeler arasındaki ilginç ilişkileri keşfetmek için kullanılan popüler bir veri madenciliği yöntemidir. Birliktelik Kuralları yöntemi ile kural bulma iki aşamada ele alınabilir. Birinci aşamada, seçilen minimum destek değerine sahip sık öğe kümeleri bulunur. İkinci aşamada ise bulunan sık öğe kümelerinden güçlü kurallar elde edilir. Bu tez çalışmasında yaygın kullanılan sık öğe kümesi madenciliği klasik algoritmalarından Apriori, FP-Growth ve FP-Max algoritmalarının performans karşılaştırması yapılmıştır. Bu karşılaştırmayı gerçekleştirmek için, satır sayısı, satır uzunluğu, öğe sayısı ve sık öğe kümesi yoğunluğu kontrol edilebilen 60'tan fazla yapay veri seti üretilmiştir. Algoritmalar bu veri setleri üzerinde çalıştırılmıştır. Ayrıca algoritmalar üretilen veri setlerinin biri üzerinde farklı destek değerleri ile de çalıştırılmıştır. Algoritmaların performansı iki adet gerçek veri seti üzerinde de karşılaştırılmıştır. Bu veri setlerindeki sık öğe kümeleri bulunmuştur. Bulunan sık öğe kümelerinden güçlü birliktelik kuralları elde edilerek Birliktelik Kuralı yönteminin ikinci aşaması gerçekleştirilmiştir. Algoritmaların çalışma süresi ve maksimum bellek kullanımlarının, her bir parametredeki değişimden ne şekilde etkilendiği bulunmuştur. Bulunan sonuçlar karşılaştırılmıştır. Ayrıca Yapay Sinir Ağı algoritmalarından biri olan SOM ile de sık öğe kümesi madenciliği gerçekleştirilerek, sonuçlar klasik algoritmalarla karşılaştırılmıştır.
Özet (Çeviri)
Association Rules is a popular data mining method for discovering interesting relations between items in a data set. Discovering rules with the Association Rules method can be handled in two stages. In the first stage, frequent itemsets with selected minimum support value are found. In the second stage, strong rules are obtained from the frequent itemsets found. In this thesis, a performance comparison of the commonly used frequent itemset mining algorithms Apriori, FP-Growth and FP-Max algorithms has been performed. To perform this comparison, more than 60 different synthetic datasets, whose row counts, row lengths, item counts, and frequent itemset densities can be controlled, were generated. Algorithms were run on these datasets. In addition, the algorithms were run on one of the generated data sets with different support values. The performances of the algorithms were also compared on two real data sets. Frequent itemsets were found in these data sets. The second stage of the Association Rule method was carried out by obtaining strong association rules from the frequent itemsets found. It has been found out how the execution times and maximum memory usages of the algorithms are affected by the changes in each parameter. The results found out were compared. In addition, frequent item set mining was performed with SOM, one of the Artificial Neural Network algorithms, and the results were compared with classical algorithms.
Benzer Tezler
- Eksternal etmoidektomiler
Başlık çevirisi yok
ERCÜMENT AKMAN
Tıpta Uzmanlık
Türkçe
1987
Kulak Burun ve BoğazGazi ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. NECMETTİN AKYILDIZ
- İlkokul çağı erkek çocuklarında inmemiş testis anomalisi ve insidansı
The anomaly and incidence of cryptorchidism in primary school boys
SERDAR SEZGİN
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Üzüm sularının pastörizasyonu ve kontsantresi sırasında hidroksimetilfurfural oluşumu üzerinde bir araştırma
Başlık çevirisi yok
ŞERİFE ŞAHİN
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
DOÇ. DR. AYDIN URAL