ارایه تجزیه تحلیل سبد بازار در درس سیستم‌های پشتیبانی تصمیم گیری دانشگاه ازاد اسلامی - واحد الکترونیکی استاد: دکتر بازایی ارائه کننده: امیر جبلی پاییز ۹۰

1. ‫ًام زضؼ: ؾيؿتن ّاي پكتيثاى تهوين گيطي‬
‫اؾتاز گطاهي خٌاب آلاي زكتط تاظايي‬
‫اهيط خثلي‬
‫حاهس اقطفي‬
‫پاييع 09‬

2. ‫همسهِ‬
‫هؼازل اًگليؿي تحليل ؾثس زازُ كاٍي ػثاضت ‪Market Basket‬‬
‫‪ Analysis‬يا تدعيِ ٍ تحليل ؾثس تاظاضياتي هي تاقس كِ زض ايي اضائِ‬
‫تِ تطضؾي ايي هَضَع ذَاّين پطزاذت.‬

3. ‫تؼطيف‬
‫‪ ‬يک هتس قٌاذتِ قسُ كِ تحميمات ظيازي ضٍي آى اًدام قسُ اؾت‬
‫ٍ تِ هٌظَض يافتي اضتثاط هياى هتغيطّا زض پايگاُ زازُّاي تعضگ تِ‬
‫كاض هيضٍز.‬
‫‪ ‬ايي هتس تطاي تحليل ٍ ًوايف لاػسُّاي لَي تِ كاض هيضٍز كِ‬
‫تطاي ايي هٌظَض اظ هؼياضّاي خصاتيت هكرهي اؾتفازُ هيكٌس.‬

4. ‫تؼطيف‬
‫‪ ‬يکي اظ كاضتطزّاي هتساٍل آى اؾتفازُ اظ زازُّايي اؾت كِ زض‬
‫ؾَپطهاضكتّاي تعضگ يا فطٍقگاُ ّا، زض ذهَل ذطيس هكتطياى‬
‫شذيطُ قسُ اؾت .تطاي هثال اؾترطاج لاػسُاي قثيِ تِ ايي:‬
‫}ؾؽ ٍ ذياضقَض{ >; }ًاى ٍ كالثاؼ{‬
‫تسيي هؼٌي كِ اگط قرهي ًاى ٍ كالثاؼ ترطز تِ احتوال ظيازي‬
‫ؾؽ ٍ ذياضقَض ّن ذَاّس ذطيس.‬

5. ‫كاضتطز‬
‫‪ ‬يافتي چٌيي اعالػاتي زض تهوينگيطي زض ذهَل فؼاليتّاي‬
‫تاظاضياتي ّوچَى ليوت گصاضيّاي تثليغاتي ٍ ّوچٌيي چيسهاى‬
‫هحهَالت زض يک فطٍقگاُ تعضگ تِ هسيطاى كوک هيكٌس‬
‫.‬
‫‪ ‬تدعيِ ٍ تحليل ؾثس تاظاض زض حال حاظط تؿياض فطاگيط قسُ اؾت ٍ‬
‫زض هَضَػاتي هثل ٍب كاٍي زض ؾاذتاض ؾايت ‪(web usage‬‬
‫)‪ ،mining‬تكريم ًفَش ٍ ّوچٌيي كاضتطز زض ظيؿت قٌاؾي‬
‫هلکَلي ٍ هغالؼات غىّا تِ كاض هي ضٍز.‬

6. ‫خايگاُ زض زازُ كاٍي‬
:‫زازُ كاٍي‬
clustering
classification
regression
association rule learning
summarization
anomaly detection

7. ‫تؼطيف ضياضي‬
‫}‪I={i1, i2, … , in‬‬
‫هدوَػِي ‪I‬قاهل ‪n‬نفت زٍزٍيي هيتاقس كِ ها اػضاي ايي‬
‫هدوَػِ ضا آيتن ًام گصاضي هيكٌين.‬
‫} ‪D={t1, t2, … , tm‬‬
‫‪ ‬هدوَػِي ‪D‬قاهل ‪ m‬تطاكٌف اؾت كِ ها ايي هدوَػِ ضا پايگاُ‬
‫زازُ ًاهگصاضي هيكٌين.‬
‫‪ّ ‬ط تطاكٌف زض هدوَػِ ‪D‬زاضاي قاهل يک ظيطهدوَػِ اظ اػضاي‬
‫هدوَػِي ‪ ) i‬تؼسازي آيتن (هيتاقس.‬

8. ‫تؼطيف ضياضي لاػسُ‬
‫‪ ‬لاػسُ تِ نَضت ‪ًx=>y‬كاى زازُ هيقَز .تِ عَضي كِ ‪x,y‬‬
‫ظيطهدوَػِي ‪ّI‬ؿتٌس ٍ ‪x,y‬اقتطاكي تاّن ًساضًس.‬
‫‪‬‬
‫‪; left hand side = LHS‬همسم ; ‪ X‬‬
‫‪; right hand side = RHS‬پي آيٌس ; ‪ Y‬‬

9. ‫تياى هفاّين تِ تا يک هثال‬
‫‪ ‬تطاي قفافتط قسى هَضَع يک هثال اظ يک ؾَپط هاضكت ضا‬
‫تطضؾي هيكٌين.‬
‫‪ ‬فطو كٌيس هدوَػِي ‪I‬تِ نَضت ظيط تاقس.‬
‫}ًَقيسًي ,كطُ ,ًاى ,قيط{=‪I‬‬
‫ٍ پايگاُ زازُ ها تِ نَضت خسٍل ظيط تاقس تِ عَضي كِ زاضاي همازيط‬
‫زٍزٍيي 0ٍ ۱اؾت كِ 0تِ هؼٌي ػسم ٍخَز يک كاال زض يک ؾثس‬
‫ذطيس ٍ ۱تِ هؼٌي ٍخَز آى اؾت.‬

10. ‫تياى هفاّين تِ تا يک هثال‬
‫نوشیدنی‬ ‫کره‬ ‫نان‬ ‫شیر‬ ‫شماره تراکنش‬
‫0‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬
‫0‬ ‫1‬ ‫0‬ ‫0‬ ‫2‬
‫1‬ ‫0‬ ‫0‬ ‫0‬ ‫3‬
‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫4‬
‫0‬ ‫0‬ ‫1‬ ‫0‬ ‫5‬
‫‪ ‬تِ ػٌَاى هثال يک لاػسُ زض ايي پايگاُ زازُ هيتَاًس تِ نَضت ظيط‬
‫تاقس.‬
‫}قيط{ >; }كطُ ٍ ًاى{‬
‫‪ ‬تِ ايي هؼٌي كِ زض نَضتي كِ يک هكتطي كطُ ٍ ًاى ترطز تِ احتوال‬
‫ظيازي قيط ًيع ذَاّس ذطيس .‬

11. ‫ًکتِ‬
‫‪ ‬تَخِ كٌيس كِ ايي يک هثال كَچک تَز كِ تطاي قفاف قسى‬
‫هَضَع اظ آى اؾتفازُ كطزين، زض هؿائل ػولياتي تطاي اؾترطاج‬
‫يک لاػسُ ًياظ تِ چٌس نس تطاكٌف قاهل آى لاػسُ ذَاّين‬
‫زاقت.‬
‫‪ ‬تِ ػالٍُ پايگاُ زازُ ًيع تايس قاهل ّعاضاى تطاكٌف تاقس.‬

12. ‫هفاّين كاضتطزي‬
‫‪ ‬تطاي ايٌکِ تتَاًين يک لاػسُ ضا اظ هياى تؼساز ظيازي لاػسُ‬
‫هَخَز اؾترطاج كٌين اظ اػوال هحسٍزيتّايي تط ضٍي ؾغح هؼٌي‬
‫زاضي ٍ ؾغح توايل اؾتفازُ هيكٌين.‬
‫‪ ‬قٌاذتِ قسُ تطيي ايي هحسٍزيت ّا حسالل آؾتاًِي حوايت ٍ‬
‫اعويٌاى اؾت ) ‪(support and confidence‬‬

13. ‫‪Support‬يا حوايت‬
‫‪ supp(x) ‬هطتَط تِ هدوَػِي ‪X‬تِ هؼٌي ًؿثت تطاكٌفّايي زض‬
‫پايگاُ زازُ اؾت كِ قاهل هدوَػِي ‪x‬تاقس.‬
‫‪ ‬زض هثالي كِ تطضؾي كطزين هدوَػِي }قيط ٍ ًاى ٍ كطُ {زاضاي‬
‫حوايت 5/1 يا 2.0 اؾت‬
‫‪ ‬تِ ػثاضت ؾازُ تط يؼٌي زض 02زضنس تطاكٌف ّا آيتن ّاي‬
‫هَخَز زض هدوَػِ ‪ٍ X‬خَز زاضز.‬

14. ‫اعويٌاى يا ‪confidence‬‬
‫‪ ‬هيعاى اعويٌاى يک لاػسُ تِ نَضت ظيط تياى هي قَز.‬
‫‪ ‬تطاي هثال زض لاػسُ ظيط‬
‫}كطُ{ >; }قيط ٍ ًاى {‬
‫‪ ‬هيعاى اعويٌاى 5.0 اؾت ٍ تؼثيط آى ػثاضت اؾت اظ:‬
‫زض 0۵٪ تطاكٌفّايي كِ قاهل قيط ٍ ًاى ّؿتٌس ايي لاػسُ نسق هي‬
‫كٌس‬
‫‪ ‬تِ تؼثيط زيگط هيعاى اعويٌاى تِ نَضت احتوال تياى هيقَز يؼٌي‬
‫احتوال ضخ زازى ؾوت ضاؾت لاػسُ )‪(RHS‬تِ قطعي كِ ؾوت چپ ضخ‬
‫زّس.‬

15. ‫‪Lift‬يا ككف يا خصاتيت‬
‫‪ ‬تِ نَضت ظيط هؼطفي هي قَز‬
‫‪ ‬تِ هؼٌي ًؿثت پكتيثاًي هكاّسُ قسُ هيتاقس زض نَضتي كِ‬
‫هدوَػِّاي ‪x , y‬هؿتمل اظ يکسيگط تاقٌس.‬

16. ‫‪Lift‬يا ككف يا خصاتيت‬
‫‪ ‬زض هثالي كِ هغطح قس ككف لاػسُي‬
‫}كطُ{ >; }قيط ٍ ًاى{‬
‫‪ ‬زاضاي ػسز ككف ۵2.۱اؾت.‬
‫‪ ‬تِ ايي هؼٌي كِ اتفاق افتازى ايي لاػسُ 52.1تطاتط تيف اظ اًتظاض‬
‫ها ضخ ذَاّس زاز.‬

17. ‫‪Conviction‬يا هحسٍزيت‬
‫‪ ‬هيعاى هحسٍزيت يک لاػسُ ػثاضت اؾت اظ ًؿثت تؼساز زفؼاتي‬
‫كِ ‪X‬يا ‪LHS‬تِ تٌْايي ضخ هيزّس تسٍى ايٌکِ ‪Y‬يا ‪RHS‬اتفاق‬
‫تيافتس ٍ تِ نَضت ظيط هحاؾثِ هيقَز.‬
‫‪ ‬يا تِ ػثاضت زيگط هكرم كٌٌسُ تؼساز زفؼاتي اؾت كِ لاػسُ‬
‫پيف تيٌي اقتثاّي ضا اضائِ هيزّس.‬

18. ‫‪Conviction‬يا هحسٍزيت‬
‫‪ ‬لاًَى‬
‫}كطُ{ >; }قيط ٍ ًاى{‬
‫‪ ‬زاضاي هيعاى هحسٍزيت 2.1اؾت يؼٌي ايي لاًَى 2.۱ تطاتط تيف‬
‫اظ اًتظاض ها پاؾد اقتثاّي تَليس هيكٌس.‬

19. ‫ٍيػگي اذتهاض يک هحسٍزيت) ‪( succinctness‬‬
‫‪ ‬يک هحسٍزيت زاضاي ايي ٍيػگي اؾت، زض نَضتي كِ ها تتَاًين تِ‬
‫عَض نطيح توام هدوَػِ آيتن ّايي كِ زض ايي هحسٍزيت نسق‬
‫هيكٌٌس ضا تٌَيؿين تطاي ضٍقي قسى هَضَع تِ هثال ظيط تَخِ‬
‫كٌيس:‬
‫}قاهل ذَضاكي ًثاقس{ ; ‪C‬هحسٍزيت‬
‫‪ ‬ظيط هدوَػِّايي كِ هيتَاًس زض ايي هحسٍزيت نسق كٌس ػثاضت‬
‫اؾت اظ :‬
‫}ّسفَى، كفف، زؾتوال كاغصي{‬

20. ‫يافتي لَاػس‬
‫‪ ‬تا اؾتفازُ اظ هفاّيوي كِ تَضيح زازُ قس تِ تياى ؾازُ تِ هؼطفي‬
‫ضٍـ يافتي لَاػس هيپطزاظين.‬
‫‪ ‬تطاي پيسا كطزى لَاػس ٍاتؿتگي تايس همساض حوايت ٍ اعويٌاى‬
‫تَؾظ كاضتط هكرم قسُ تاقس ظيطا لَاػس اؾترطاج قسُ اظ‬
‫پايگاُ زازُ تا ايي زٍ ػسز همايؿِ هيقَز ٍ زض نَضتي كِ ّط زٍ‬
‫ضا پَقف زّس لاػسُ يافت قسُ لاتل لثَل ذَاّس تَز.‬

21. ‫هطاحل يافتي لَاػس‬
‫‪ ‬هطحلِ اٍل :اؾتفازُ اظ حسالل حوايت هكرم قسُ تطاي اؾترطاج‬
‫هدوَػِ آيتنّاي تکطاض قًَسُ اظ پايگاُ زازُ‬
‫‪ ‬هطحلِ زٍم :اؾترطاج لَاًيي اظ هدوَػِ آيتنّاي تسؾت آهسُ تا كوک‬
‫هيعاى اعويٌاى هكرم قسُ تَؾظ كاضتط‬
‫‪ ‬تطاي اًدام هطحلِ اٍل يؼٌي يافتي هدوَػِ آيتنّايي كِ تکطاضقًَس‬
‫ّؿتٌس تايس زض هياى توام ظيط هدوَػِّايي كِ اظ آيتن ّا ؾاذتِ‬
‫هيقًَس خؿتدَ كٌين.‬
‫‪ ‬تطاي ايي هٌظَض الگَضيتن ّاي كاضايي هؼطفي قسُ اًس كِ هؼطٍف تطيي‬
‫آى الگَضيتن ‪Apriori‬هي تاقس.‬

22. ‫يک ًکتِ‬
‫‪ ‬تا اخطاي الگَضيتنّا تطاي يافتي لَاػس زض پايگاُ زازُ ّا تِ تؼساز‬
‫ظيازي لاػسُ هيطؾين كِ ايي لَاػس اعويٌاى ٍ حوايتي كِ كاضتط‬
‫هكرم كطزُ اؾت ضا پَقف هيزّس.‬
‫‪ ‬كاضقٌاؾاى ػلن ذطيس هؼتمس ّؿتٌس كِ تؿياضي اظ ذطيسّاي‬
‫افطاز، تط اؾاؼ ايداز يک پالؽ نَضت هيگيطز.‬
‫‪ ‬تِ ػٌَاى هثال ظهاًي كِ قوا زض يک فطٍقگاُ ظًديطُاي يک تؿتِ‬
‫كالثاؼ ضا ذطيساضي هيكٌيس پؽ اظ آى تِ احتوال ظياز ؾؽ، ًاى‬
‫ؾاًسيَچي، ذياض قَض ًيع ذطزاضي ذَاّيس كطز.‬

23. ‫تَخِ‬
‫‪ ‬تدعيِ ٍ تحليل ؾثس تاظاضياتي ؾط ًد ايي هَضَع ضا تِ ها هيزّس‬
‫كِ هكتطياى زض نَضت ذطيس چِ هحهَلي هحهَالت زيگطي ضا‬
‫ذَاٌّس ذطيس.‬

24. ‫تدعيِ ٍ تحليل ؾثس تاظاض اذتالفي )تفاضلي(‬
‫‪ ‬يکي اظ تکٌيکّايي كِ كوک ظيازي تطاي تهوين گيطي ٍ يافتي‬
‫ػلت تفاٍت زض ذطيس افطاز اظ فطٍقگاُّاي هرتلف زاضز تدعيِ ٍ‬
‫تحليل ؾثس تاظاض اذتالفي (تفاضلي )اؾت.‬
‫‪‬‬
‫‪ ‬زض ايي ضٍـ ًتايح ٍ لَاػس تسؾت آهسُ اظ تدعيِ ٍ تحليل ؾثس‬
‫تاظاضياتي زض فطٍقگاُّاي هرتلف، گطٍُّاي اختواػي هرتلف،‬
‫ضٍظّاي هرتلف ّفتِ ٍ ّوچٌيي فهَل ؾال ٍ ...تا ّن همايؿِ‬
‫هيقَز.‬

25. ‫تدعيِ ٍ تحليل ؾثس تاظاض اذتالفي )تفاضلي(‬
‫‪ ‬زض نَضتي كِ تثيٌين يک لاػسُ زض ّوِ فطٍقگاُّا ٍخَز زاضز ٍ‬
‫زض يکي اظ ايي فطٍقگاُّا ٍخَز ًساضز هتَخِ هيقَين كِ هَضَع‬
‫يا هكکل ذاني زض ايي فطٍقگاُ ٍخَز زاضز !‬
‫‪ ‬هوکي اؾت تفاٍت تِ زليل هتفاٍت تَزى ًَع هكتطياى يا هکاى‬
‫خغطافيايي ايي فطٍقگاُ تاقس ٍ يا حتي ايٌکِ اذتالف تِ زليل‬
‫تفاٍتّايي زض چيسهاى هحهَالت تاقس.‬
‫‪ ‬لغؼا يافتي چٌيي پاؾدّايي تِ ايداز تيٌفّاي خسيس ٍ افعايف‬
‫فطٍـ كوک ذَاّس كطز.‬

26. ‫هؼياضّاي اًساظُگيطي زيگط زض پيسا كطزى لَاػس‬
‫‪ ‬ػالٍُ تط هؼياض اعويٌاى هؼياضّاي زيگطي ًيع تطاي يافتي لَاػس‬
‫ٍخَز زاضز كِ هتساٍل تطيي آًْا ػثاضتٌس اظ:‬
‫‪ All-confidence‬‬
‫‪ Collective strength‬‬
‫‪ Conviction‬‬
‫‪ Leverage‬‬
‫‪ Lift‬‬
‫‪ ‬تطاي آقٌايي تيكتط تا تِ ايي ليٌک هطاخؼِ كٌيس.‬

27. ‫هؼياضّاي اًساظُگيطي زيگط زض پيسا كطزى لَاػس‬
‫‪ ‬يافتي هؼياض ّاي خسيسي كِ هٌدط تِ ككف لَاػسي تا كيفيت تاالتط‬
‫قَز، يکي اظ هَضَػات تحميماتي ضٍظ زًيا اؾت كِ تا ػٌَاى‬
‫‪subjective Interestingness‬هغطح اؾت.‬

28. ‫الگَضيتنّا‬
‫‪‬‬ ‫‪Apriori algorithm‬‬
‫‪ ‬قٌاذتِ قسُ تطيي الگَضيتن زض ايي ظهيٌِ اؾت كِ اظ خؿتدَي اٍل ؾغح اؾتفازُ‬
‫هيكٌس.‬
‫‪‬‬ ‫‪Eclat algorithm‬‬
‫‪ ‬اؾتفازُ اظ خؿتدَي اٍل ػوك‬
‫‪‬‬ ‫‪FP-growth algorithm‬‬
‫‪ ‬اؾتفازُ اظ زضذت پيكًَسي تطاي ًگْساضي پايگاُ زازُ زض يک قکل فكطزُ قسُ‬
‫‪‬‬ ‫‪GUHA‬‬
‫‪ ‬اؾتفازُ اظ ػوليات ؾطيغ ضقتِّاي تيتي‬
‫‪‬‬ ‫‪OPUS search‬‬
‫‪ً ‬ياظ تِ تؼطيف هحسٍزيتّايي ًظيط حوايت ًساضز ٍ الگَّاي ًتيدِ ترف ضا پيسا‬
‫هيكٌس.‬
‫زض يک ًطم افعاض تِ ًام ‪Magnum Opus‬اؾتفازُ قسُ اؾت كِ تطاي ككف اضتثاعات كاضتطز زاضز.‬

29. ‫كاضتطزّاي زيگط‬
‫قٌاؾايي تملة زض تيوِّاي پعقکي )ظهاًي كِ لَاػس ػوَهي‬ ‫‪‬‬
‫قکؿتِ هيقَز(‬
‫تحليل الگَّاي تواؼّاي تلفٌي‬ ‫‪‬‬
‫تحليل ذطيس ؾطٍيؽّاي اضتثاعي‬ ‫‪‬‬
‫تكريم ًفَش‬ ‫‪‬‬
‫كاضتطز زض ظيؿت قٌاؾي هلکَلي ٍ غى قٌاؾي‬ ‫‪‬‬
‫ٍب كاٍي )‪(web usage mining‬‬ ‫‪‬‬

30. ‫‪web usage mining‬‬
‫ػثاضت اؾت اظ پايف تطاي تْثَز تِ ؾاذتاض ٍب ٍ فطايٌس اؾترطاج‬ ‫‪‬‬
‫اعالػات كاضتطزي اظ فايلّاي ‪Log‬ؾطٍض يا ؾاتمِ فؼاليت كاضتطاى زض‬
‫ؾايت هيتاقس.‬
‫زض ايي فطايٌس اعالػاتي زض ذهَل ايٌکِ كاضتطاى زض ايٌتطًت تِ زًثال‬ ‫‪‬‬
‫چِ هيگطزًس ذَاّين يافت.‬
‫هوکي اؾت تؼضي كاضتطاى تِ زًثال اعالػات هتٌي ٍ تطذي تِ زًثال‬ ‫‪‬‬
‫تهاٍيط يا فايلّاي ٍيسيَيي تاقٌس.‬
‫تِ كوک پيسا كطزى لَاػس اظ ؾاتمِ فؼاليت كاضتطاى ايي اهکاى تطاي ها‬ ‫‪‬‬
‫فطاّن هيقَز كِ تا ظيط ًظط گطفتي الگَي ضفتاضي يک كاضتط خسيس زض‬
‫ؾايت پيفتيٌي كٌين كِ ايي كاضتط تِ زًثال چِ ًَع اعالػاتي اؾت.‬

31. ‫هثال‬
‫تِ ػٌَاى هثال زض يک فطٍقگاُ ايٌتطًتي هثل آهاظٍى ؾاتمِ ذطيس كاضتطاى‬
‫شذيطُ قسُ ٍ اظ ضٍي ايي ؾَاتك الگَّايي اؾترطاج هيكَز.‬
‫يکي اظ ايي الگَّا هي تَاًس تِ ايي نَضت تاقس كِ كؿاًي كِ يک كتاب‬
‫ٍب كاٍي ضا ذطيساضي كطزُ اًس كتاب زيگطي تا هَضَع زازُ كاٍي يا‬
‫آهَظـ هغلة ضا ًيع ذطيسُ اًس.‬
‫ظهاًي كِ قرهي زض حال ؾفاضـ كتاتي زض حَظُ ٍب كاٍي هي تاقس‬
‫آهاظٍى كتاب آهَظـ هغلة ضا ًيع تِ اٍ پيكٌْاز هي زّس كِ تِ احتوال‬
‫تااليي كاضتط ايي كتاب ضا ذَاّس ذطيس.‬

32. ‫تكريم ًفَش ‪Intrusion detection‬‬
‫‪ ‬زض ؾيؿتنّاي تكريم ًفَش الگَّاي ضفتاضي ًطهال، اظ ؾاتمِ‬
‫ضفتاضي كاضتطاى زض عَل يک تاظُ ظهاًي هكرم تِ اؾترطاج قسُ‬
‫اؾت.‬
‫‪ٍ ‬لتي كاضتط خسيسي قطٍع تِ فؼاليت زض ؾيؿتن هيكٌس الگَّايي‬
‫ضفتاضي اٍ تا الگَّاي ًطهال همايؿِ هيقَز ٍ زض نَضتي كِ‬
‫ًاّواٌّگي تكريم زازُ قَز ؾيؿتن ايي هَضَع ضا ثثت‬
‫هيكٌس.‬

33. ‫ؾيؿتوْاي تكريم الگَي غيطًطهال‬
‫‪ ‬تِ عَض كلي تا اؾتفازُ اظ يافتي الگَّاي ًطهال زض ّط ظهيٌِاي‬
‫هيتَاًين الگَّاي غيط ًطهال ضا تكريم زّين.‬
‫‪ ‬تِ ػٌَاى هثالي زيگط هيتَاى تِ كاضتطز تدعيِ ٍ تحليل ؾثس زازُ‬
‫كاٍي زض تكريم ؾَ اؾتفازُ زض قطكت ّاي تيوِ اقاضُ كطز.‬

34. ‫كاضتطز زض تيَاًفَضهاتيک‬
‫‪ ‬تيَاًفَضهاتيک زاًف اؾتفازُ اظ ػلَم كاهپيَتط ٍ آهاض ٍ احتواالت‬
‫زض قاذِ ظيؿت قٌاؾي هَلکَلي اؾت كِ يافتي الگَّا زض پيسا‬
‫كطزى تَالي غًَم زض ظيؿت قٌاؾي كوک ظيازي كطزُ اؾت.‬
‫‪ Association Analysis Techniques for Bioinformatics Problems‬‬
‫‪ Data Mining in Bioinformatics‬‬
‫‪ APPLICATION OF DATA MINING IN BIOINFORMATICS‬‬

35. ‫ًطم افعاضّاي زازُ كاٍي تطاي يافتي لَاػس‬
 FIMI Repository of Algorithms
 Apriori
 Eclat
 PAFI
 FP-growth
 ARTool
 ARMADA (Association rule mining in Matlab)
‫ يک تع زكتطا‬

36. ‫ًطم افعاضّاي ػوَهي زازُ كاٍي‬
 WEKA (Source: Java)
 MLC++ (Source: C++)
 SIPINA
 List from KDNuggets (Various)
 List from Data Management Center (Various)
‫ضا تا ّن تطضؾي ذَاّين‬artool ٍweka ‫ اظ هياى ايي ًطم افعاضّا‬
. ‫كطز‬

37. ‫ًطم افعاض ‪ARtool‬‬

38. ‫ًطم افعاض ‪Artool‬‬

39. ‫ًطم افعاض ‪Artool‬‬

40. ‫ًطم افعاض ‪Artool‬‬

41. ‫ًطم افعاض ‪Artool‬‬

42. ‫ًطم افعاض ‪Artool‬‬

43. ‫ًطم افعاض ‪weka‬‬

44. ‫ًطم افعاض ‪weka‬‬

45. ‫ًطم افعاض ‪weka‬‬

46. ‫ًطم افعاض ‪weka‬‬

47. ‫ًطم افعاض ‪weka‬‬

48. ‫ًطم افعاض ‪weka‬‬

49. ‫ًطم افعاض ‪weka‬‬

50. ‫هٌاتغ‬
 www.cse.msu.edu/~cse980/software.html
 www.albionresearch.com/data_mining/market_basket.php
 Fast algorithm for mining association rules article by Rakesh agrawal & Ramakrishnan
Srikant
 http://michael.hahsler.net/research/association_rules/measures.html
 http://en.wikipedia.org/wiki/Association_rule_learning
 http://en.wikipedia.org/wiki/Affinity_analysis
 http://en.wikipedia.org/wiki/Apriori_algorithm
 http://en.wikipedia.org/wiki/Intrusion_detection
 http://en.wikipedia.org/wiki/Anomaly-based_intrusion_detection_system
 http://en.wikipedia.org/wiki/Web_mining
 http://fa.wikipedia.org/wiki/%D8%A8%DB%8C%D9%88%D8%A7%D9%86%D9%81%
D9%88%D8%B1%D9%85%D8%A7%D8%AA%DB%8C%DA%A9
 http://en.wikipedia.org/wiki/Data_mining

51. amir.jebelli@gmail.com ‫اهيط خثلي‬
hamed.ashrafi.k@gmail.com ‫حاهس اقطفي‬