Dergiler / Öneri Dergisi / 2004 / Cilt: 6 - Sayı: 22

VERİ MADENCİLİĞİNDE BİRLİKTELİK KURALLARI

Sayfa
315–321
Yayın Tarihi
2004-06-10
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada DİE 2002 III. dönem hanehalkı işgücü anketi sonuçlan kullanılmıştır.Bu verilere Apriori algoritması uygulanmasıyla elde edilen sonuçlar açıklanmaya çalışılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Veri madenciliği; istatistik, veri tabam teknolojisi, makine öğrenimi, örüntii tanıma, yapay zeka ve görselleştirmenin rol oynadığı disiplinler arası bir yaklaşımdır.
📊
Temel Bulgular & Veri:Modelleme, veri madenciliğinin çok önemli bir aşamasıdır.
💡
Sonuç & Katkı:Bu çalışmada DİE 2002 III. dönem hanehalkı işgücü anketi sonuçlan kullanılmıştır.Bu verilere Apriori algoritması uygulanmasıyla elde edilen sonuçlar açıklanmaya çalışılmıştır.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:2002 Verileri
⚙️Değişkenler:Veri Madenciliği · Birliktelik Kurallan · Apriori Algoritması

Özet

Veri madenciliği; istatistik, veri tabam teknolojisi, makine öğrenimi, örüntii tanıma, yapay zeka ve görselleştirmenin rol oynadığı disiplinler arası bir yaklaşımdır. Modelleme, veri madenciliğinin çok önemli bir aşamasıdır. Modelleme tekniklerinden biri de birliktelik kurallarıdır. Birliktelik kuralları, bir koşul kümesi ile kısmi bir sonuca ulaşma ile ilgilidir. Sürecin sonunda en iyi kuralların bir tablosu oluşmaktadır. Algoritmalar, kuralların bulunması için bir türetim ve test yöntemi kullanmaktadırlar. Birliktelik kural algoritmaları, görselleştirme teknikleri yolu ile ortaya çıkarılan birlikteliklerin, otomatik olarak bulunmasını sağlarlar. Apriori algoritması, birliktelik kuralları türetmek için kullanılan temel algoritmalardan biridir. Bu çalışmada DİE 2002 III. dönem hanehalkı işgücü anketi sonuçlan kullanılmıştır.Bu verilere Apriori algoritması uygulanmasıyla elde edilen sonuçlar açıklanmaya çalışılmıştır.

🔖

Bu Makaleye Atıf Yap

OĞUZLAR, A. (2004). VERİ MADENCİLİĞİNDE BİRLİKTELİK KURALLARI. Öneri Dergisi, Cilt: 6 - Sayı: 22, 315–321. https://ajindex.com/articles/36103

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. ZHOU Z. (2002), “Three perspectives of data mining” Artificial Intelligence, 143 (2003)
  2. HAN J. and KAMBER M. (2001), Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, USA
  3. AKPINAR, H. (2000), “Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği” İ.Ü. İşletme Fakültesi Dergisi, C:29 S:l, s.1-22
  4. LUAN J. (2002), “Data Mining and Knowledge Management in Higher Education-Potential Applications” Presentation at AIR Forum, Toronto-Canada, pp.1-18
  5. DMS Tutorial - Problem Understanding,
  6. DMS Tutorial - Modelling techniques,
  7. HAND David, MANNİLA Heikki ve SMYTH Padhraic, Principles of Data Mining, MIT Press, USA, 2001
  8. ROIGER Richard J. ve GEATZ Michael W., Data Mining A Tutorial-Based Primer, Addison Wesley, USA, 2003
  9. GOEBEL M. and Gruenvvald L. (1999), “A Survey Of Data Mining And Knowledge Dıscovery Software Tools”, SIGKDD Explorations, Volüme: 1, Issue:l, USA
  10. KİM W., CHOI B„ HONG E., KİM S. And LEE D. (2003), “A Taxonomy of Dirty Data”, Data Mining and Knowledge Discovery, 7
  11. Celementine 7.0 User’s Guide, SPSS Inc., USA, 2002.