Regla de asociación multidimensional de minería de datos

En este artículo, vamos a discutir la regla de asociación multidimensional. Además, discutiremos ejemplos de cada uno. Vamos a discutir uno por uno.

Reglas de asociación multidimensional :

En la regla de asociación multidimensional, las cualidades pueden ser absolutas o cuantitativas.

• Las características cuantitativas son numéricas y consolidan el orden.
• Los rasgos numéricos deben ser discretizados.
• La regla de afiliación multidimensional consta de más de una medida.
• Ejemplo: compras (X, «computadora portátil IBM») compras (X, «impresora de inyección de tinta HP»)

Enfoques en la minería de reglas de afiliación multidimensional:
Tres enfoques en la minería de reglas de afiliación multidimensional son los siguientes.

1. Usando discretización estática de cualidades cuantitativas:
   • La discretización es estática y ocurre antes de la minería.
   • Los atributos discretizados se tratan como no mitigados.
   • Utilice el cálculo a priori para localizar todos los conjuntos de predicados k-regulares (esto requiere salidas de tabla k o k+1). Cada subconjunto del conjunto de predicados regulares debe ser continuo.

   Ejemplo:
   si en un bloque de información el paralelepípedo 3D (edad, salario, compras) es continuo, sugiere que (edad, salario), (edad, compras), (pago, compras) también son regulares.

   Nota:
   los bloques de información son apropiados para la minería, ya que hacen que la minería sea más rápida. Las celdas de un cuboide de información n-dimensional se relacionan con las celdas de predicado.

2. Usando una poderosa discretización de rasgos cuantitativos:
   • Conocidas como Reglas de Asociación Cuantitativas de minería.
   • Las propiedades numéricas se discretizan progresivamente.

   Ejemplo – :

   age(X, "20..25") Λ income(X, "30K..41K")buys ( X, "Laptop Computer") 

3. Cuadrícula PARA TUPLAS:
   uso de discretización basada en la distancia con agrupación:
   esta medida de discretización dinámica de identificación que considera la distancia entre los focos de información. Incluye una medida de minería de dos etapas de la siguiente manera.
   • Realice el agrupamiento para descubrir el período de tiempo incluido.
   • Obtenga reglas de afiliación buscando reuniones de grupos que ocurren juntos.

   Las directrices resultantes pueden cumplir:

   • Los racimos en el precursor estándar están inequívocamente vinculados con grupos de reglas en el siguiente.
   • Los racimos en el precursor pasan juntos.
   • Los racimos en el subsiguiente suceden juntos.