Riferimento tecnico per l'algoritmo Microsoft Association Rules
L'algoritmo Microsoft Association Rules è un'implementazione semplice del noto algoritmo Apriori.
Sia l'algoritmo Microsoft Decision Trees che l'algoritmo Microsoft Association Rules possono essere utilizzati per analizzare associazioni, ma le regole individuate da ognuno di essi possono essere diverse. In un modello di albero delle decisioni le divisioni che portano a regole specifiche sono basate su Information Gain, mentre in un modello di associazione le regole sono interamente basate sulla confidenza. Pertanto, in un modello di associazione una regola efficace o caratterizzata da una confidenza elevata può non essere necessariamente interessante, in quanto non fornisce nuove informazioni.
Implementazione dell'algoritmo Microsoft Association Rules
L'algoritmo Apriori non analizza modelli, ma piuttosto genera e quindi conteggia set di elementi candidati. Un elemento può rappresentare un evento, un prodotto o il valore di un attributo, a seconda del tipo di dati analizzati.
Nel tipo più comune di modello di associazione a ogni attributo, quale un nome di prodotto o di evento, vengono associate variabili booleane, che rappresentano un valore Sì/No o Mancante/Esistente. Un'analisi di mercato sugli acquisti è un esempio di modello di regole di associazione che utilizza variabili booleane per rappresentare la presenza o l'assenza di determinati prodotti nel carrello degli acquisti di un cliente.
Per ogni set di elementi l'algoritmo crea quindi punteggi che rappresentano supporto e confidenza. Tali punteggi possono essere utilizzati per classificare e derivare regole interessanti dai set di elementi.
È inoltre possibile creare modelli di associazione per gli attributi numerici. Se gli attributi sono continui, i numeri possono essere discretizzati o raggruppati in bucket. I valori discretizzati possono quindi essere gestiti come valori booleani o come coppie attributo-valore.
Supporto, probabilità e priorità
Il supporto, definito a voltefrequenza, indica il numero di case che contengono l'elemento o la combinazione di elementi di destinazione. Nel modello è possibile includere solo gli elementi che hanno almeno la quantità specificata di supporto.
Per set di elementi frequente si intende una raccolta di elementi in cui anche la combinazione di elementi dispone di supporto superiore alla soglia definita dal parametro MINIMUM_SUPPORT. Se ad esempio il set di elementi è {A,B,C} e il valore MINIMUM_SUPPORT è 10, ogni singolo elemento A, B e C e la combinazione di elementi {A,B,C} devono trovarsi in almeno 10 case per essere inclusi nel modello.
Nota È anche possibile controllare il numero di set di elementi in un modello di data mining specificando la lunghezza massima di un set di elementi, dove per lunghezza si intende il numero di elementi.
Per impostazione predefinita, il supporto di qualsiasi elemento o set di elementi specifico rappresenta un conteggio dei case che contengono l'elemento o gli elementi. Tuttavia, è anche possibile esprimere MINIMUM_SUPPORT come percentuale del totale dei case del set di dati, digitando il numero come valore decimale minore di 1. Se ad esempio si specifica un valore MINIMUM_SUPPORT pari a 0,03, significa che almeno il 3% del totale dei case del set di dati deve contenere l'elemento o il set di elementi ai fini dell'inclusione nel modello. È necessario eseguire prove con il modello per determinare se è preferibile utilizzare un conteggio o una percentuale.
Viceversa, la soglia per le regole non viene espressa come conteggio o percentuale, ma come probabilità, talvolta definita confidenza. Se ad esempio il set di elementi {A,B,C} ricorre in 50 case, ma anche il set di elementi {A,B,D} ricorre in 50 case e il set di elementi {A,B} in altri 50 case, è evidente che {A,B} non è un criterio di stima efficace per {C}. Pertanto, per ponderare un determinato risultato rispetto a tutti i risultati noti, in Analysis Services viene calcolata la probabilità della singola regola, ad esempio If {A,B} Then {C}, dividendo il supporto del set di elementi {A,B,C} per il supporto di tutti i set di elementi correlati.
È possibile limitare il numero di regole prodotte da un modello impostando un valore per MINIMUM_PROBABILITY.
Per ogni regola creata, Analysis Services restituisce un punteggio che ne indica la priorità, definita anche comeaccuratezza. L'accuratezza viene calcolata in modo diverso per set di elementi e regole.
La priorità di un set di elementi viene calcolata come la probabilità del set di elementi divisa per la probabilità composta dei singoli elementi al suo interno. Se ad esempio un set di elementi contiene {A,B}, in Analysis Services vengono innanzitutto conteggiati tutti i case che contengono questa combinazione A e B, questo numero viene diviso per il numero totale di case e quindi la probabilità viene normalizzata.
La priorità di una regola viene calcolata con la probabilità in forma logaritmica del lato destro della regola, dato il lato sinistro. Ad esempio, nella regola If {A} Then {B}, Analysis Services calcola il rapporto dei case con A e B rispetto ai case con B ma senza A, quindi normalizza tale rapporto utilizzando una scala logaritmica.
Funzionalità di selezione degli attributi
L'algoritmo Microsoft Association Rules non esegue alcun tipo di funzionalità di selezione automatica degli attributi. Al contrario, fornisce i parametri che controllano i dati utilizzati dall'algoritmo, che possono includere limiti sulla dimensione di ogni set di elementi oppure l'impostazione del supporto massimo e minimo richiesto per aggiungere un set di elementi al modello.
Per filtrare gli elementi e gli eventi che sono troppo comuni e pertanto non interessanti, ridurre il valore di MAXIMUM_SUPPORT per rimuovere i set di elementi più frequenti dal modello.
Per filtrare gli elementi e i set di elementi che sono rari, aumentare il valore di MINIMUM_SUPPORT.
Per filtrare le regole, aumentare il valore di MINIMUM_PROBABILITY.
Personalizzazione dell'algoritmo Microsoft Association Rules
L'algoritmo Microsoft Association Rules supporta vari parametri che influiscono sul comportamento, sulle prestazioni e sull'accuratezza del modello di data mining risultante.
Impostazione dei parametri dell'algoritmo
È possibile modificare in qualsiasi momento i parametri per un modello di data mining utilizzando Progettazione modelli di data mining in Business Intelligence Development Studio. È anche possibile modificare i parametri a livello di programmazione utilizzando la raccolta AlgorithmParameters in AMO oppure l'Elemento MiningModels (ASSL) in XMLA. Nella tabella seguente viene descritto ogni parametro.
Nota
Non è possibile modificare i parametri in un modello esistente utilizzando un'istruzione DMX. È necessario specificare i parametri nell'istruzione DMX CREATE MODEL o ALTER STRUCTURE… ADD MODEL quando si crea il modello.
MAXIMUM_ITEMSET_COUNT
Specifica il numero massimo di set di elementi da produrre. Se non si specifica alcun numero, viene utilizzato il valore predefinito.Il valore predefinito è 200000.
Nota
I set di elementi vengono classificati in base al supporto. Tra i set di elementi con supporto uguale, l'ordinamento è arbitrario.
MAXIMUM_ITEMSET_SIZE
Specifica il numero massimo di elementi consentito in un set di elementi. Se si imposta il valore 0, non esiste alcun limite per la dimensione del set di elementi.Il valore predefinito è 3.
Nota
La riduzione di questo valore può diminuire i tempi necessari per la creazione del modello, perché l'elaborazione del modello si interrompe quando viene raggiunto il limite.
MAXIMUM_SUPPORT
Specifica il numero massimo di case disponibili per un set di elementi per il supporto. Questo parametro può essere utilizzato per eliminare gli elementi riportati spesso e che quindi possono essere poco significativi.I valori minori di 1 rappresentano una percentuale del totale dei case. I valori maggiori di 1 rappresentano il numero assoluto di case che possono contenere il set di elementi.
Il valore predefinito è 1.
MINIMUM_ITEMSET_SIZE
Specifica il numero minimo di elementi consentito in un set di elementi. Se si aumenta questo numero, il modello potrebbe contenere un numero minore di set di elementi. Questa funzione può essere utile se ad esempio si desidera ignorare i set di elementi con un singolo elemento.Il valore predefinito è 1.
Nota
Non è possibile ridurre il tempo di elaborazione del modello aumentando il valore minimo, perché Analysis Services deve comunque calcolare le probabilità per i singoli elementi come parte dell'elaborazione. Tuttavia, impostando questo valore su un numero più elevato è possibile filtrare i set di elementi più piccoli.
MINIMUM_PROBABILITY
Specifica la probabilità minima che una regola sia True.Se ad esempio si imposta il valore 0,5, non possono essere generate regole con probabilità inferiore al 50%.
Il valore predefinito è 0,4.
MINIMUM_SUPPORT
Specifica il numero minimo di case che devono contenere il set di elementi affinché l'algoritmo possa generare una regola.Se si imposta un valore minore di 1, il numero minimo di case viene calcolato come percentuale del totale dei case.
Se si imposta un numero intero maggiore di 1, il numero minimo di case viene calcolato come conteggio dei case che devono contenere il set di elementi. Se la memoria è limitata, l'algoritmo può aumentare automaticamente il valore di questo parametro.
Il valore predefinito è 0,03. Questo significa che per essere incluso nel modello, è necessario che un set di elementi si trovi in almeno il 3% dei case.
OPTIMIZED_PREDICTION_COUNT
Definisce il numero di elementi da memorizzare nella cache per ottimizzare la stima.Il valore predefinito è 0. Quando viene utilizzata l'impostazione predefinita, l'algoritmo genererà il numero di stime richieste nella query.
Se si specifica un valore diverso da zero per OPTIMIZED_PREDICTION_COUNT, le query di stima potranno restituire al massimo il numero specificato di elementi, anche se si richiedono stime aggiuntive. L'impostazione di un valore può tuttavia migliorare le prestazioni della stima.
Se ad esempio si imposta il valore 3, l'algoritmo memorizza nella cache solo 3 elementi per la stima. Non è possibile visualizzare stime aggiuntive che potrebbero essere ugualmente probabili per i 3 elementi restituiti.
Flag di modellazione
I flag di modellazione seguenti sono supportati per l'utilizzo con l'algoritmo Microsoft Association Rules.
NOT NULL
Indica che la colonna non può contenere un valore Null. Se Analysis Services rileva un valore Null durante il training del modello, viene generato un errore.Si applica alla colonna della struttura di data mining.
MODEL_EXISTENCE_ONLY
Indica che la colonna verrà considerata come se disponesse di due stati possibili: Missing e Existing. Un valore Null è un valore mancante.Si applica alla colonna del modello di data mining.
Requisiti
Un modello di associazione deve contenere una colonna chiave, le colonne di input e una singola colonna stimabile.
Colonne di input e stimabili
L'algoritmo Microsoft Association Rules supporta specifiche colonne di input e colonne stimabili, riportate nella tabella seguente. Per ulteriori informazioni sul significato dei tipi di contenuto di un modello di data mining, vedere Tipi di contenuto (Data mining).
Colonna |
Tipi di contenuto |
|---|---|
Attributo di input |
Cyclical, Discrete, Discretized, Key, Table e Ordered |
Attributo stimabile |
Cyclical, Discrete, Discretized, Table e Ordered |
Nota
Sono supportati i tipi di contenuto Cyclical e Ordered ma l'algoritmo li considera come valori discreti e non esegue un'elaborazione speciale.