شروع کلاس
🟠 داده کاوی جلسه هشتم
یکشنبه
10 تا 11:30
و
11:30 تا 13
1405/03/10
#داده_کاوی
الگوریتم ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal)
مقدمه
الگوریتم ECLAT یکی از مهمترین الگوریتمهای استخراج مجموعه اقلام پرتکرار (Frequent Itemsets) در حوزه دادهکاوی است. این الگوریتم برای کشف الگوهای تکرارشونده در پایگاه دادههای تراکنشی طراحی شده و در مسائلی مانند تحلیل سبد خرید، سیستمهای پیشنهاددهنده، تحلیل رفتار مشتریان و کشف قوانین انجمنی کاربرد گستردهای دارد.
هدف اصلی ECLAT، شناسایی مجموعهای از اقلام است که تعداد دفعات حضور آنها در تراکنشها از یک آستانه مشخص به نام حداقل حمایت (Minimum Support) بیشتر باشد.
ایده اصلی الگوریتم ECLAT
مبنای کار ECLAT بر استفاده از نمایش عمودی دادهها (Vertical Data Format) است.
در بسیاری از الگوریتمهای استخراج الگوهای پرتکرار مانند Apriori، دادهها به صورت افقی ذخیره میشوند؛ یعنی برای هر تراکنش، اقلام موجود در آن ثبت میشوند. اما ECLAT از رویکرد متفاوتی استفاده میکند و برای هر قلم، فهرست شناسه تراکنشهایی که آن قلم در آنها وجود دارد نگهداری میشود.
به این فهرست، Transaction ID List (TID List) گفته میشود.
در نتیجه، به جای جستجو در کل پایگاه داده برای محاسبه فراوانی مجموعه اقلام، تنها کافی است اشتراک لیستهای تراکنش محاسبه شود.