Mazahlen fr die Assoziationsanalyse im Data Mining

Die Assoziationsanalyse ist innerhalb des Data Mining eine sehr populre Methode zur Gewinnung von Wissen aus groen Datenmengen. Ihr Ziel ist die Gewinnung von wenn-dann-Regeln zwischen verschiedenen Objekten. Eine solche Regel bedeutet z.B. bei der Warenkorbanalyse, dass ein bestimmter Artikel hufig gekauft wird, wenn auch ein anderer Artikel hufig gekauft wird. ber die Zeit sind viele Mae zur Messung dieser Assoziation vorgeschlagen worden. Es fehlt im Data Mining jedoch an einer allgemeinen Definition wnschenswerter Eigenschaften fr Assoziationsmae. Eine solche Definition erlaubt aber erst den Vergleich verschiedener Mae unabhngig von konkreten Daten. In dieser Arbeit werden Ergebnisse aus frheren Arbeiten zu Assoziations- und Korrelationsmaen als Grundlage fr die Entwicklung einer Axiomatisierung fr Mae in der Assoziationsanalyse genutzt. Die im Data Mining verwendeten Mae werden vorgestellt und auf die Erfllung der neu definierten Eigenschaften hin untersucht. So werden die Mae im Hinblick auf ihre Anwendung in der Assoziationsnalyse fundiert. Mit Hilfe von Testdatenbanken wird untersucht, in wie fern sich die Erfllung oder Nicht-Erfllung der Eigenschaften in den Ergebnissen von Assoziationsanalysen niederschlgt. Dazu wird eine Reihe von sowohl qualitativen als auch quantitativen Beobachtungen verglichen. Es zeigt sich, dass sehr viele der in der Praxis verwendeten Assoziationsmae einer theoretischen Untersuchung nicht standhalten.