معيارهاي ارزيابي قوانين انجمني

يكي از پركاربردترين روشهاي يادگيري مدل در داده‌كاوي، قوانين انجمني است كه كاربرد وسيعي در حوزه هاي تجارت، بازار، امنيت و ... دارد. اين قوانين روابط حاكم بر تراكنش ها (داده ها) را بدون درنظر گرفتن هرگونه برچسب يا متغير خروجي تبيين مي نمايند. معيارهاي ارزيابي متعددي براي سنجش اين قوانين تعريف شده اند كه از جمله مهمترين آن ها مي توان به SUPPORT، CONFIDENCE و LIFT اشاره كرد كه هم براي توليد و هم براي ارزيابي قوانين بكار مي روند. اگرچه استفاده از اين سه معيار منجر به توليد قوانين قوي و حذف قوانين ناجالب خواهد شد، اما لزوماً همه قوانين توليدشده جالب و موردتوجه نيستند و در مواردي تحليلهاي كاملاً غلطي از همبستگي ميان اجزاي قانون را نتيجه مي دهند. يكي از اين موارد كه به وفور رخ ميدهد و منجر به ايجاد يك همبستگي كاذب خواهد شد، زمانيست كه تعداد زيادي از تراكنش هاي مورد بررسي شامل هيچ يك از اقلام مورد توجه ما نباشند كه به اينگونه تراكنش ها، تراكنش هاي پوچ اطلاق ميشود. از اين رو با مرور زمان و با بروز اين مشكل، معيارهايي بيشتر مورد توجه قرار گرفتند كه مستقل از تراكنش هاي پوچ بودند كه اصطلاحاً به آن ها معيارهاي پوچ-پايا گفته مي شود. از اين رو در اين مقاله قصد داريم كه با تمركز بر معيارهاي پوچ-پايا، به بررسي ارتباط ميان مجموعه تراكنش ها در قالب جدول هاي توافقي2×2 پرداخته و ضمن تحليل تعدادي از معيارهاي مشهور در اين حوزه، جهت سنجش نوع و قدرت اين ارتباط ها، دو معيار جديد ارائه دهيم كه از ويژگي پوچ-پايا برخوردار مي‌باشند. در نهايت،‌ اين دو معيار جديد را با معيارهاي مطرح ديگر در اين حوزه مورد مقايسه قرار خواهيم داد.