روش جدیدی برای رتبه بندی قواعد حاصل از داده کاوی با استفاده از تحلیل پوششی داده ها

تکنیک های داده کاوی، یعنی استخراج الگوها از پایگاه های داده ای بزرگ، در تجارت به صورت گسترده ای مورد استفاده قرار می گیرند. با استفاده از این تکنیک ها ممکن است قواعد زیادی حاصل شوند و فقط تعداد کمی از آنها به دلیل محدودیت بودجه و منابع برای پیاده سازی در نظر گرفته شوند. ارزیابی و رتبه بندی جالب بودن و مفید بودن قواعد انجمنی در داده کاوی اهمیت زیادی دارد. در مطالعات قبلی که در مورد شناسایی قواعد انجمنی جالب از نظر ذهنی انجام شده است، اکثر روش ها مستلزم وارد کردن دستی یا پرسیدن از کاربر برای افتراق صریح قواعد جالب از ناجالب بوده است. این روش ها نیازمند محاسبات بسیار زیادی هستند و حتی ممکن است به نتیجه گیری های ناسازگار منتهی شوند. برای غلبه بر این مشکلات، این مقاله پیشنهاد می کند که از رویکرد تحلیل پوششی داده ها (DEA) با مرز دوگانه برای انتخاب کارآترین قاعده ی انجمنی استفاده شود. در این رویکرد علاوه بر بهترین کارآیی نسبی هر قاعده ی انجمنی، بدترین کارآیی نسبی آن نیز در نظر گرفته می شود. در مقایسه با DEAی سنتی، رویکرد DEA با مرز دوگانه می تواند کارآترین قاعده ی انجمنی را به درستی و به آسانی شناسایی کند. به عنوان یک مزیت، رویکرد پیشنهادی از نظر محاسباتی کارآمدتر از کارهای قبلی در این زمینه است. با استفاده از مثالی از تحلیل سبد بازار، قابلیت کاربرد روش مبتنی بر DEAی ما برای اندازه گیری کارآیی قواعد انجمنی با معیارهای چندگانه نشان داده خواهد شد.