association rule learning analysis

Analisis Pembelajaran Aturan Asosiasi

Aplikasi Web untuk penambangan dan menganalisis aturan asosiasi secara visual.

---

Penggunaan

Aplikasi saat ini digunakan dan dapat diakses di: https://domdatascience.shinyapps.io/association-rule-learning-analysis/

Fitur Aplikasi

• Pilih file apa pun yang memiliki daftar barang yang dibeli per pembeli dan secara otomatis aturan asosiasi tambang;
• Pengguna aplikasi dapat menetapkan 3 variabel berbeda mengingat aturan asosiasi yang ingin ditambangnya. Hanya aturan -aturan yang mengikuti pola yang diselesaikan yang akan dipelajari dan divisualisasikan:
  1. Dukungan minimum untuk aturan: Visualisasikan hanya aturan yang berlaku untuk setidaknya persentase data ini;
  2. Keyakinan minimum untuk aturan: Keyakinan memberi tahu kita probabilitas bahwa item yang ada dalam pendahuluan aturan juga akan hadir dalam konsekuensi aturan. Visualisasikan hanya aturan yang memiliki setidaknya probabilitas ini;
  3. Panjang minimum untuk aturan: Jumlah minimum item yang perlu terjadi dalam aturan untuk divisualisasikan.
• Tabel aturan yang dipelajari ada di sudut kiri bawah antarmuka di mana pengguna juga dapat melihat dukungan, kepercayaan diri, dan langkah -langkah lain untuk aturan;
• Grafik terarah menunjukkan item dan tingkat hubungan di antara mereka;
• Matriks 2D dan 3D ditunjukkan memiliki tingkat lift antara anteseden (LHS) dan konsekuensi (RHS) dari aturan yang divisualisasikan;
• Akhirnya, ada plot grup yang menghubungkan item dan menunjukkan lift, dukungan, dan jumlah aturan untuk koneksi.

Sampel antarmuka pengguna

Shiny adalah kerangka kerja yang memungkinkan pengguna untuk mengembangkan aplikasi web menggunakan bahasa web R dan tertanam, seperti CSS dan HTML. Aplikasi mengkilap fokus pada obyektifitas dan kesederhanaan: Hanya satu atau dua skrip R yang memiliki semua kode untuk aplikasi.

Pengembangan aplikasi ini dimulai dengan pengetahuan dan alat yang dibahas selama kursus "Data Science Bootcamp" oleh Fernando Amaral. Aplikasi ini telah ditingkatkan dan dipersonalisasi, menambahkan fungsionalitas baru.