Veri madenciliğinde birliktelik kuralları nedir?

Birliktelik kuralları, aynı işlemde veya veri kaydında birlikte görülen öğeler arasındaki ilişkileri bulmak için kullanılan veri madenciliği yöntemidir. Örneğin alışveriş kayıtlarında ekmek alan müşterilerin süt alma olasılığı yüksekse, bu ilişki “ekmek ⇒ süt” biçiminde ifade edilir. Kuralı değerlendirirken yalnızca birlikte görülme oranına değil, destek, güven ve kaldırma ölçütlerine birlikte bakarsanız ilişkinin ne kadar yaygın, güvenilir ve anlamlı olduğunu ayırt edebilirsiniz.

Birliktelik kuralı nasıl okunur?​

Bir kural iki bölümden oluşur: sol taraftaki öncül ve sağ taraftaki sonuç. “Ekmek ⇒ süt” kuralında ekmek öncül, süt ise sonuçtur. Ok yönü önemlidir; “ekmek alan süt de alır” ifadesi, “süt alan ekmek de alır” ifadesiyle aynı olasılığı anlatmaz.

Bu yöntem genellikle market sepeti analizi, ürün önerileri, web tıklama akışları ve birlikte gerçekleşen olayların incelenmesi için kullanılır. Ancak birliktelik kuralı nedensellik kanıtlamaz. Ekmek ile sütün birlikte alınması, ekmeğin süt satın alınmasına neden olduğunu göstermez; yalnızca veride bu iki olay arasında belirli bir ilişki bulunduğunu gösterir.

Destek, güven ve kaldırma neyi gösterir?​

Varsayımsal olarak 1.000 alışveriş kaydınız olduğunu ve bunların 300'ünde ekmek, 400'ünde süt, 180'inde ise hem ekmek hem süt bulunduğunu düşünelim. “Ekmek ⇒ süt” kuralı için temel ölçütler şöyle hesaplanır:
Kaldırma değerinin 1 olması, iki öğenin birlikte görülmesinin bağımsızlık beklentisine yakın olduğunu gösterir. 1'den büyük değer pozitif birlikteliğe, 1'den küçük değer ise öğelerin birlikte görülmesinin beklenenden daha az olduğuna işaret eder. Buna rağmen yüksek kaldırma tek başına yeterli değildir; çok az sayıda kayda dayanan bir kural istatistiksel olarak kararsız olabilir.

Basit bir örnekle işleyiş​

Dört işlem kaydınız olduğunu varsayalım:

• Kayıt 1: ekmek, süt
• Kayıt 2: ekmek, süt, yumurta
• Kayıt 3: ekmek, yumurta
• Kayıt 4: süt, yumurta

“Ekmek ⇒ süt” kuralında ekmek üç kayıtta, ekmek ve sütün birlikte bulunduğu iki kayıtta görülür. Bu nedenle destek değeri 2 / 4 = %50, güven değeri ise 2 / 3 ≈ %66,7 olur. Sütün genel görülme oranı 3 / 4 = %75 olduğundan kaldırma yaklaşık 0,89'dur.

Bu sonuç, ekmek alanların yaklaşık üçte ikisinin süt aldığını gösterir; fakat süt zaten veri kümesinde çok yaygın olduğu için ekmek ile süt arasındaki birliktelik, bağımsızlık beklentisini aşmamıştır. Yani yalnızca güven değerine bakarak güçlü bir öneri üretmek doğru olmaz.

Birliktelik kuralları nasıl çıkarılır?​

Büyük veri kümelerinde bütün olası öğe birleşimlerini tek tek denemek maliyetli olabilir. Apriori ve FP-Growth gibi algoritmalar önce en düşük destek eşiğini karşılayan sık öğe kümelerini bulur. Bu kümelerden kurallar üretilir ve güven gibi kural ölçütlerinin eşikleri sonraki aşamada uygulanır. Uygulamada genel akış şöyledir:

1. Veriyi işlem biçimine dönüştürün. Her satır veya kayıt, aynı işlemde bulunan öğeleri temsil etmelidir. Örneğin bir müşterinin sepetindeki ürünler tek işlem kimliği altında gruplanır.
2. En düşük destek eşiğini belirleyin. Çok seyrek görülen birleşimleri elemek için kullanılacak eşik, veri kümesinin büyüklüğüne ve analiz amacına göre seçilir. Eşiği gereğinden yüksek tutmak nadir fakat değerli ilişkileri silebilir.
3. Sık öğe kümelerini bulun. Seçilen destek eşiğini karşılayan tekli, ikili veya daha büyük öğe kümeleri çıkarılır.
4. Kuralları oluşturun. Sık öğe kümeleri öncül ve sonuç bölümlerine ayrılarak farklı yönlerde kurallar üretilir. “A ⇒ B” ile “B ⇒ A” ayrı kurallardır.
5. Kuralları güven ve kaldırma ile filtreleyin. Yalnız yüksek güvene değil, yeterli destek ve 1'den anlamlı biçimde farklı kaldırma değerine de bakın.
6. Sonucu iş bağlamında doğrulayın. Kuralı farklı dönemlerde, müşteri gruplarında veya ayrılmış bir doğrulama verisinde inceleyin. Böylece ilişkinin yalnızca belirli bir örneklemde ortaya çıkıp çıkmadığını kontrol edebilirsiniz.

Sonuçları yorumlarken sınırlar​

Yüksek destek, ilişkinin yaygın olduğunu; yüksek güven, öncül gerçekleştiğinde sonucun sık görüldüğünü; yüksek kaldırma ise bu birlikteliğin sonucun genel yaygınlığından daha güçlü olduğunu anlatır. Hiçbiri tek başına kârlılık, müşteri memnuniyeti veya nedensellik anlamına gelmez.

Örneğin çok satılan bir ürün, birçok kuralla yüksek güven değerine ulaşabilir. Bu durumda yüksek güven yanıltıcı olabilir ve kaldırma değerinin de incelenmesi gerekir. Ayrıca aynı veri üzerinde çok sayıda kural denenirse tesadüfen yüksek görünen ilişkiler bulunabilir. Bu nedenle kuralların başka bir veri bölümüyle, farklı zaman aralıklarıyla veya gerçek uygulama sonuçlarıyla ayrıca sınanması gerekir.

Birliktelik kuralını öneri sistemi veya kampanya kararı için kullanacaksanız, önce kuralın hangi veri döneminden üretildiğini, kaç işlemden destek aldığını ve ölçüt eşiklerini kaydedin. Ardından yalnızca istatistiksel olarak güçlü görünen değil, uygulama amacınızla uyumlu ve tekrar gözlemlenebilen kuralları kullanın.