Анализ аффинности

Анализ сходства подпадает под общий термин интеллектуального анализа данных , который выявляет значимые корреляции между различными объектами в зависимости от их совместного появления в наборе данных. Практически во всех системах и процессах применение анализа сходства может извлечь значительную информацию о неожиданных тенденциях. ^{[ нужна ссылка ]}. Фактически, аффинный анализ использует преимущества изучения взаимосвязанных атрибутов, что помогает выявить скрытые закономерности в больших данных путем создания правил ассоциации. Процедура интеллектуального анализа правил ассоциации состоит из двух этапов: сначала она находит все частые атрибуты в наборе данных, а затем генерирует правила ассоциации, удовлетворяющие некоторым заранее определенным критериям, поддержке и достоверности, для выявления наиболее важных связей в часто встречающемся наборе элементов. Первым шагом в этом процессе является подсчет совместного появления атрибутов в наборе данных. Затем создается подмножество, называемое частым набором элементов. Интеллектуальный анализ правил ассоциации принимает форму: если присутствует условие или функция (A), то существует другое условие или функция (B). Первое условие или признак (А) называется антецедентом , а последнее (Б) — следствием . Этот процесс повторяется до тех пор, пока не будут найдены дополнительные часто встречающиеся наборы элементов. Существует два важных показателя для реализации метода анализа ассоциативных правил: поддержка и уверенность. Также, априорный алгоритм используется для сокращения пространства поиска задачи. ^[1]

Метрика поддержки в алгоритме обучения правилам ассоциации определяется как частота появления антецедента или консеквента вместе в наборе данных. Более того, уверенность выражается как надежность правил ассоциации, определяемая соотношением записей данных, содержащих как A, так и B. Минимальный порог поддержки и уверенности является входными данными для модели. Учитывая все вышеупомянутые определения, аффинный анализ может разработать правила, которые будут предсказывать возникновение события на основе возникновения других событий. Этот метод интеллектуального анализа данных был исследован в различных областях, включая диагностику заболеваний, анализ потребительской корзины, розничную торговлю, высшее образование и финансовый анализ. В розничной торговле анализ сходства используется для анализа потребительской корзины, при котором ритейлеры стремятся понять покупательское поведение покупателей. Эту информацию затем можно использовать в целях перекрестных и дополнительных продаж , а также влиять на рекламные акции , программы лояльности, дизайн магазинов и т. д. планы скидок . ^[2]

Применение методов аффинити-анализа в розничной торговле

Анализ потребительской корзины может сказать розничному продавцу, что покупатели часто покупают шампунь и кондиционер вместе , поэтому одновременное размещение обоих товаров на рекламной акции не приведет к значительному увеличению дохода, в то время как рекламная акция, включающая только один из товаров, скорее всего, приведет к увеличению продаж. другой.

Анализ потребительской корзины может предоставить розничному продавцу информацию, позволяющую понять покупательское поведение покупателя. Эта информация позволит ритейлеру понять потребности покупателя и соответствующим образом переписать планировку магазина, разработать программы перекрестного продвижения или даже привлечь новых покупателей (во многом аналогично концепции перекрестных продаж ). Апокрифическим ранним иллюстративным примером этого стал случай, когда одна сеть супермаркетов обнаружила в ходе своего анализа, что покупатели-мужчины, покупавшие подгузники, часто покупали и пиво, ставили подгузники рядом с охладителями пива, и их продажи резко возросли. Хотя эта городская легенда является лишь примером, который профессора используют, чтобы проиллюстрировать эту концепцию студентам, объяснение этого воображаемого феномена может заключаться в том, что отцы, которых посылают покупать подгузники, часто в качестве награды покупают еще и пиво. ^[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 фразы «клиенты, которые купили книгу А, также купили книгу Б», например: «Люди, которые читали историю Португалии, также интересовались историей военно-морского флота ».

Анализ потребительской корзины можно использовать для разделения клиентов на группы . Компания могла бы посмотреть, какие еще продукты люди покупают вместе с яйцами, и классифицировать их как выпечку тортов (если они покупают яйца вместе с мукой и сахаром) или приготовление омлетов (если они покупают яйца вместе с беконом и сыром). Эта идентификация может затем использоваться для управления другими программами. Аналогичным образом его можно использовать для разделения продуктов на природные группы. Компания могла бы посмотреть, какие продукты чаще всего продаются вместе, и выстроить управление категориями вокруг этих группировок. ^[4]

Использование анализа потребительской корзины в бизнесе значительно возросло с появлением электронных точек продаж . ^[2] Amazon использует анализ сходства для перекрестных продаж, когда рекомендует продукты людям на основе их истории покупок и истории покупок других людей, которые купили тот же товар. Family Dollar планирует использовать анализ потребительской корзины, чтобы поддерживать рост продаж и одновременно двигаться к увеличению запасов низкомаржинальных потребительских товаров . ^[5]

Применение методов аффинного анализа в клинической диагностике

Важным клиническим применением анализа аффинности является то, что его можно проводить с записями медицинских пациентов с целью создания правил ассоциации. Полученные правила ассоциации можно дополнительно оценить, чтобы найти различные условия и признаки, совпадающие на большом блоке информации. ^[6] Крайне важно понять, существует ли связь между различными факторами, способствующими развитию заболевания, чтобы иметь возможность проводить эффективные профилактические или терапевтические вмешательства. В доказательной медицине выявление сопутствующих симптомов, связанных с развитием опухолей или рака, может помочь диагностировать заболевание на самой ранней стадии. ^[7] Помимо изучения связи между различными симптомами у пациента, связанными с конкретным заболеванием, возможные корреляции между различными заболеваниями, способствующими другому состоянию, также можно определить с помощью анализа аффинности. ^[8]

См. также

Изучение правил ассоциации

Ссылки

^ Лароуз, Дэниел Т.; Лароз, Шанталь Д. (23 июня 2014 г.). 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 .
^ Jump up to: ^а ^б «Демистификация анализа рыночной корзины» . Проверено 28 декабря 2018 г.
^ «Притча о пиве и подгузниках» . Регистр . Проверено 3 сентября 2009 г.
^ Анализ сети продуктов . Архивировано 18 ноября 2018 г. в консалтинговой группе Wayback Machine Forte.
^ «Семейный доллар поддерживает мерчандайзинг с помощью ИТ» . Архивировано из оригинала 6 мая 2010 года . Проверено 3 ноября 2009 г.
^ Санида, Теодора; Варламис, Ираклис (июнь 2017 г.). «Применение методов анализа аффинности к диагностическим и рецептурным данным» . 2017 30-й Международный симпозиум IEEE по компьютерным медицинским системам (CBMS) . Салоники: IEEE. стр. 403–408. дои : 10.1109/CBMS.2017.114 . ISBN 978-1-5386-1710-6 .
^ Сенгупта, Дипанкар; Суд, Мееманса; Виджайваргия, Пурвика; Хота, Сунил; Наик, Прадип К. (29 июня 2013 г.). «Исследование на основе интеллектуального анализа правил ассоциации для выявления клинических параметров, сходных с возникновением опухоли головного мозга» . Биоинформация . 9 (11): 555–559. дои : 10.6026/97320630009555 . ПМЦ 3717182 . ПМИД 23888095 .
^ Лакшми, Канзас; Вадиву, Г. (2017). «Извлечение правил ассоциации из медицинских записей с использованием многокритериального анализа решений» . Procedia Информатика . 115 : 290–295. дои : 10.1016/j.procs.2017.09.137 .

Дальнейшее чтение

Дж. Хан и др., 2006, Интеллектуальный анализ данных: концепции и методы. ISBN 978-1-55860-901-3
В. Кумар и др. 2005 г. Введение в интеллектуальный анализ данных . ISBN 978-0-321-32136-7
У. Файяд и др. 1996 г. Достижения в области обнаружения знаний и интеллектуального анализа данных. ISBN 978-0-262-56097-9

Внешние ссылки

Примеры базового анализа рыночной корзины с использованием Excel

[:0-1] Лароуз, Дэниел Т.; Лароз, Шанталь Д. (23 июня 2014 г.). 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 .

[demystifyingmba-2] Jump up to: ^а ^б «Демистификация анализа рыночной корзины» . Проверено 28 декабря 2018 г.

[3] «Притча о пиве и подгузниках» . Регистр . Проверено 3 сентября 2009 г.

[4] Анализ сети продуктов . Архивировано 18 ноября 2018 г. в консалтинговой группе Wayback Machine Forte.

[familydollar-5] «Семейный доллар поддерживает мерчандайзинг с помощью ИТ» . Архивировано из оригинала 6 мая 2010 года . Проверено 3 ноября 2009 г.

[:1-6] Санида, Теодора; Варламис, Ираклис (июнь 2017 г.). «Применение методов анализа аффинности к диагностическим и рецептурным данным» . 2017 30-й Международный симпозиум IEEE по компьютерным медицинским системам (CBMS) . Салоники: IEEE. стр. 403–408. дои : 10.1109/CBMS.2017.114 . ISBN 978-1-5386-1710-6 .

[7] Сенгупта, Дипанкар; Суд, Мееманса; Виджайваргия, Пурвика; Хота, Сунил; Наик, Прадип К. (29 июня 2013 г.). «Исследование на основе интеллектуального анализа правил ассоциации для выявления клинических параметров, сходных с возникновением опухоли головного мозга» . Биоинформация . 9 (11): 555–559. дои : 10.6026/97320630009555 . ПМЦ 3717182 . ПМИД 23888095 .

[8] Лакшми, Канзас; Вадиву, Г. (2017). «Извлечение правил ассоциации из медицинских записей с использованием многокритериального анализа решений» . Procedia Информатика . 115 : 290–295. дои : 10.1016/j.procs.2017.09.137 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]