associatieregels

Associatieregels zijn een vorm van data-mining die relaties blootlegt tussen goederen of andere attributen in transactie- of gebruiksgegevens. Een associatieregel heeft een antecedent (X) en een consequent (Y) en luidt: als X gebeurt, dan Y waarschijnlijk ook. Deze regels worden veel toegepast op kassatransacties of online gedrag om patronen te ontdekken zoals welke producten samen worden gekocht.

Belangrijke begrippen bij associatieregels zijn ondersteuning, vertrouwen en lift. Ondersteuning geeft aan hoe vaak de combinatie X en Y samen voorkomt in de dataset. Vertrouwen beschrijft de waarschijnlijkheid dat Y optreedt gegeven X. Lift is een maat die aangeeft of X en Y samen voorkomen vaker dan verwacht bij onafhankelijkie; een lift groter dan 1 wijst op een positieve associatie.

Methoden en genereren van regels. Regelmatig worden frequent itemsets geïdentificeerd met algoritmes zoals Apriori of FP-Growth. Uit deze frequente itemsets worden impliciete regels gegenereerd en vervolgens gefilterd op minimale ondersteuning en vertrouwen. Er bestaan ook varianten voor kwantitatieve attributen, sequentiële patronen of hoge nuttigheidsmining.

Toepassingen en beperkingen. In de detailhandel en e-commerce worden associatieregels gebruikt voor cross-selling, aanbevelingssystemen en marketingcampagnes. Ze bieden snelle, begrijpelijke inzichten maar zijn geen bewijs voor causaliteit en kunnen leiden tot een overvloed aan regels (regel-explosie). Vereisten omvatten voldoende grote en kwalitatieve data, aandacht voor privacy en een kritische interpretatie van de gevonden patronen.