NİCEL BİRLİKTELİK KURALLARININ BULANIK MANTIK VE GENETİK ALGORİTMA İLE OTOMATİK KEŞFİ

Abstract

Yüksek Lisans Tezi NİCEL BİRLİKTELİK KURALLARININ BULANIK MANTIK VE GENETİK ALGORİTMA İLE OTOMATİK KEŞFİ Korkut Koray GÜNDOĞAN Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği 2003, Sayfa: 53 Birliktelik kural keşfi veri madenciliğinin en popüler araştırma konularından biridir. Bu çalışmada nitelikleri nicel değerler alabilen veritabanlarında nicel birliktelik kural keşfi için bulanık mantık ve genetik algoritma tabanlı yeni bir yöntem denenmiştir. Bu yöntemle daha önceki yöntemlerdeki her veritabanına göre belirlenen eşik değerlerine ihtiyaç duyulmamakta, yoğun nesne kümeleri bulunmadan kurallar otomatik olarak bulunmaktadır. Ayrıca, kullanılan genetik algoritma için başlangıç populasyonu üretme aşamasında etkili üç farklı yöntem daha denenmiş, gelişigüzel üretme yöntemindeki dezavantajlar giderilmiş ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen yöntem, Fırat Üniversitesi Elektrik-Elektronik Mühendisliği lisans öğrencilerinin ders notları kayıtlarını tutan veritabanında denenmiş, kullanışlı ve ilginç kurallar etkili şekilde bulunmuştur. Anahtar Kelimeler: Veri madenciliği, birliktelik kuralları, bulanık kümeler, genetik algoritma, düzenli populasyon, adalı düzenli populasyon, genelleştirilmiş düzenli populasyon. IX

GİRİŞ 1960'lardaki veri toplama sistemleri popülerdi, 1970'lerde ise ilişkisel veri tabanları kullanılmaya başlandı. 1980 'lerde ise ilişkisel veri tabanı modellerinin popüler olduğunu, 1990'larda ve 2000'li yıllarda ise dünya gündeminde veri madenciliğinin, veri ambarlarının, multimedya ve web veri tabanlarının oldukça popüler olduğunu görüyoruz. Karar aşamalarında çok kritik bazı bilgiler vardır ki, sonuçların etkileri bu bilgilerin doğruluğuyla orantılıdır. Bir çok durumda cevabını tam olarak veremediğimiz sorular doğrultusunda karar verebiliriz. Ticari bir şirket için müşterilerinin ilgi alanları, şirkete karşı olan bakış açılan, rakip firmalara olan ilgileri, markalarına olan bağlılıkları, gelir düzeyleri gibi bilgiler onlara sağlanan mal ve hizmetlerin kalitesi üzerinde çok net etkiler yapacaktır. Bu tür bilgiler teorik olarak her ne kadar sistemlerimizde kayıt altında olsa da, kullanılabilir bir şekilde açık ve net cevaplara ulaşabilmemiz mevcut kullanımdaki sistemlerle neredeyse imkansız denecek kadar zordur. VM, eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilginin çıkarılmasıdır. Verilerin içerisindeki desenlerin, ilişkilerin, değişimlerin, düzensizliklerin, kuralların ve istatistiksel olarak önemli olan yapıların yarı otomatik olarak keşfedilmesidir. Keşfedilecek kurallar da veritabanın özelliklerine ve kuralların kullanılışına göre farklı tekniklerle bulunur. Bunlardan bazıları sınıflama, kümeleme, birliktelik kuralları, ardışık örüntüler, zaman serisi analizi, tahmin etme, tanımlama ve görselleştirme gibi tekniklerdir Kayıtlardaki birliktelikleri, beraber ortaya çıkan şeyleri kural olarak bulmaya çalışan birliktelik kural madenciliği veri madenciliği tekniklerin en çok çalışılan konularından birisidir. Bu tezde de birliktelik kural keşfi için yeni bir yöntem önerilmiştir. Yöntem, yapay zeka ve esnek hesaplama yöntemlerinden bulanık mantık ve genetik algoritmayı (GA) kullanmaktadır. Bu iki yöntem beraber kullanılarak sürekli değerli verileri olan veritabanlarmdan nicel birliktelik kurallarının keşfi yapılmıştır. Ayrıca GA'daki ilk aşama olan başlangıç populasyonu üretme aşamasında literatürde kullanılan gelişigüzel başlangıç populasyonu üretme yöntemi dışında üç farklı yöntem daha denenmiş ve etkili şekilde ilginç kurallar bulunmuştur. 1.1 Tezin Yapısı Bu tez toplam yedi bölümden oluşmaktadır. Birinci bölüm giriş bölümü olup tezin genel olarak çerçevesi çizilmiş ve amacı saptanmıştır. Diğer bölümler aşağıdaki gibidir.