In data mining, many algorithms were suggested to define the frequent rules within
the data set. One of the problems is to choose a correct algorithm for the problem
and the determination of the efficiency of the algorithm has important role during
the investigation of hidden knowledge.
The thesis describes how to handle data set with Association Rules Analysis/ Market
Basket Analysis with the popular Apriori algorithm and k -Map algorithm of data
mining. The goal of this thesis is to find the most frequent patterns within the data
set and then using different measurements to do further investigation on the obtained
frequent patterns.
Keywords: Data Mining, Association Rules Analysis, Market-Basket Analysis
ÖZ;
Veri madenciliğinde, anlamlı kurallar tanımlamak için bir çok algoritma önerilmiştir. Doğru algoritmayı seçmek ve algoritmanın kullanırlığının kararı verinin içindeki gizli bilginin bulunması için önemli problemlerdir.
Bu tez verinin Birliktelik Kuralları Analizinde sıklıkla kullanılan Apriori algoritması ve k-Harita (Karnaugh Haritası) algoritmasının nasıl kullanılacağını tanımlar. Bu tezin amacı verinin içindeki anlamlı kuralları bulmak ve sonrasında ise farklı ölçüler kullanıp anlamlı kurallar için ileri analizler yapmaktır.
Anahtar kelimeler: Veri Madenciliği, Birliktelik Kuralları Analizi, Sepet Analizi
