Анализ сродства подпадает под общий термин интеллектуального анализа данных, который выявляет значимые корреляции между различными объектами в соответствии с их совместным появлением в наборе данных. Практически во всех системах и процессах применение анализа аффинности позволяет получить важные сведения о неожиданных тенденциях. Фактически, анализ сродства использует преимущества изучения взаимосвязанных атрибутов, что помогает выявить скрытые закономерности в больших данных путем создания ассоциативных правил. Правила ассоциацииПроцедура интеллектуального анализа данных состоит из двух частей: во-первых, она находит все часто встречающиеся атрибуты в наборе данных, а затем генерирует ассоциативные правила, удовлетворяющие некоторым предопределенным критериям, поддержке и достоверности, для определения наиболее важных взаимосвязей в часто встречающемся наборе элементов. Первым шагом в этом процессе является подсчет одновременного появления атрибутов в наборе данных. Затем создается подмножество, называемое часто встречающимся набором элементов. Интеллектуальный анализ ассоциативных правил принимает форму того, что если условие или функция (A) присутствует, то существует другое условие или функция (B). Первое условие или признак (A) называется предшествующим, а последнее (B) - последующим.. Этот процесс повторяется до тех пор, пока не будут найдены дополнительные частые наборы элементов. Есть два важных показателя для выполнения метода интеллектуального анализа ассоциативных правил: поддержка и уверенность. Также используется априорный алгоритм, чтобы уменьшить пространство поиска проблемы. [1]
Показатель поддержки в алгоритме обучения правил ассоциации определяется как частота предшествующего или последующего появления вместе в наборе данных. Более того, уверенность выражается как надежность правил ассоциации, определяемая соотношением записей данных, содержащих как A, так и B. Минимальный порог для поддержки и уверенности является входными данными для модели. Принимая во внимание все вышеупомянутые определения, анализ сродства может разработать правила, которые будут предсказывать возникновение события на основе возникновения других событий. Этот метод интеллектуального анализа данных использовался в различных областях, включая диагностику заболеваний, анализ рыночной корзины, розничную торговлю, высшее образование и финансовый анализ. В розничной торговле анализ сродства используется для выполнения анализа корзины покупателя, при котором розничные торговцы стремятся понять покупательское поведение покупателей. Затем эту информацию можно использовать для перекрестных продаж и дополнительных продаж , а также для влияния на рекламные акции , программы лояльности, дизайн магазина и планы скидок . [2]
Применение методик анализа аффинности в розничной торговле
Анализ рыночной корзины может сказать розничному продавцу, что клиенты часто покупают шампунь и кондиционер вместе , поэтому одновременное размещение обоих товаров не приведет к значительному увеличению выручки, в то время как продвижение только одного товара, скорее всего, приведет к увеличению продаж товара. Другие.
Анализ рыночной корзины может предоставить розничному продавцу информацию для понимания покупательского поведения покупателя. Эта информация позволит розничному продавцу понять потребности покупателя и соответствующим образом переписать макет магазина, разработать программы перекрестного продвижения или даже привлечь новых покупателей (во многом аналогично концепции перекрестных продаж ). Апокрифическим ранним иллюстративным примером этого является случай, когда одна сеть супермаркетов обнаружила в своем анализе, что покупатели-мужчины, которые покупали подгузники, также часто покупали пиво, ставили подгузники рядом с холодильниками для пива, и их продажи резко выросли. Хотя эта городская легенда - всего лишь пример, который профессора используют для иллюстрации концепции студентам, объяснение этого воображаемого феномена может заключаться в том, что отцы, которых отправляют покупать подгузники, также часто покупают пиво в качестве награды. [3] Этот вид анализа предположительно является примером использования интеллектуального анализа данных . Широко используемым примером перекрестных продаж в Интернете с анализом рыночной корзины является использование Amazon.com слов «клиенты, которые купили книгу А, также купили книгу Б», например «Люди, которые читали историю Португалии, также интересовались военно-морской историей ».
Анализ рыночной корзины можно использовать для разделения клиентов на группы . Компания может посмотреть, что люди покупают вместе с яйцами, и классифицировать их как выпечку торта (если они покупают яйца вместе с мукой и сахаром) или приготовление омлета (если они покупают яйца вместе с беконом и сыром). Затем эту идентификацию можно использовать для управления другими программами. Точно так же его можно использовать для разделения продуктов на натуральные группы. Компания может посмотреть, какие продукты чаще всего продаются вместе, и согласовать управление категориями с учетом этих групп. [4]
С момента появления электронных торговых точек значительно расширилось использование бизнесом анализа рыночной корзины . [2] Amazon использует анализ сродства для перекрестных продаж, когда рекомендует товары людям на основе их истории покупок и истории покупок других людей, которые купили тот же товар. Family Dollar планирует использовать анализ рыночной корзины, чтобы помочь поддерживать рост продаж при переходе к увеличению запасов потребляемых товаров с низкой маржой . [5]
Применение методов анализа аффинности в клинической диагностике
Важным клиническим применением анализа аффинности является то, что его можно выполнять в медицинских картах пациентов для создания ассоциативных правил. Полученные ассоциативные правила могут быть дополнительно оценены, чтобы найти различные условия и признаки, которые совпадают на большом блоке информации. [6] Крайне важно понять, существует ли связь между различными факторами, способствующими возникновению состояния, чтобы иметь возможность проводить эффективные профилактические или терапевтические вмешательства. В доказательной медицине обнаружение одновременного появления симптомов, связанных с развивающимися опухолями или раком, может помочь диагностировать болезнь на самой ранней стадии. [7] В дополнение к изучению связи между различными симптомами у пациента, связанными с конкретным заболеванием, возможные корреляции между различными заболеваниями, способствующими другому состоянию, также могут быть определены с помощью анализа аффинности. [8]
Смотрите также
Рекомендации
- ^ Ларос, Дэниел Т .; Лароз, Шанталь Д. (23.06.2014). Обнаружение знаний в данных: введение в интеллектуальный анализ данных . Хобокен, Нью-Джерси, США: John Wiley & Sons, Inc. doi : 10.1002 / 9781118874059 . ISBN 978-1-118-87405-9.
- ^ а б "Демистификация анализа рыночной корзины" . Проверено 28 декабря 2018 .
- ^ «Притча о пиве и пеленках» . Регистр . Проверено 3 сентября 2009 года .
- ^ Анализ продуктовой сети. Архивировано 18 ноября 2018 г. вКонсультационной группе Wayback Machine Forte.
- ^ «Семейный доллар поддерживает мерчандайзинг с помощью ИТ» . Архивировано из оригинала 6 мая 2010 года . Проверено 3 ноября 2009 года .
- ^ Санида, Феодора; Варламис, Ираклис (июнь 2017 г.). «Применение методов анализа сродства к данным диагностики и рецепта» . 2017 IEEE 30-й Международный симпозиум по компьютерным медицинским системам (CBMS) . Салоники: IEEE: 403–408. DOI : 10.1109 / CBMS.2017.114 . ISBN 978-1-5386-1710-6.
- ^ Кафедра биотехнологии и биоинформатики, Университет информационных технологий Джейпи, Вакнагхат, Солан, HP, Индия; Сенгупта, Дипанкар; Суд, Миманса; Виджайваргия, Поорвика; Хота, Сунил; Найк, Прадип К. (29.06.2013). «Исследование на основе анализа правил ассоциации для определения клинических параметров, связанных с возникновением опухоли головного мозга» . Биоинформация . 9 (11): 555–559. DOI : 10.6026 / 97320630009555 . PMC 3717182 . PMID 23888095 .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Лакшми, KS; Вадиву, Г. (2017). «Извлечение правил ассоциации из медицинских записей с помощью многокритериального анализа решений» . Процедуры информатики . 115 : 290–295. DOI : 10.1016 / j.procs.2017.09.137 .
дальнейшее чтение
- Дж. Хан и др., 2006, Интеллектуальный анализ данных: концепции и методыISBN 978-1-55860-901-3
- В. Кумар и др. 2005 Введение в интеллектуальный анализ данныхISBN 978-0-321-32136-7
- U. Fayyad et al. 1996 Достижения в области обнаружения знаний и интеллектуального анализа данныхISBN 978-0-262-56097-9
Внешние ссылки
- Примеры базового анализа рыночной корзины с использованием Excel