Birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi

Abstract

Mağazalarda ürün çeşitliliği ile oluşan veri yığınları, mağaza depolarında mal girişi ve çıkışı esnasında yoğunlukların yaşanmasına neden olmaktadır. Bu yoğunluğun iş gücünü, zamanı, enerji tüketimini ve satışları olumsuz etkilediği düşünülmektedir. Veri madenciliği çalışmaları, sektörlerde taleplerin belirlenmesi, taleplere en uygun çözümü bulma ve geliştirme konusunda çözümler üretmektedir. Birliktelik kural analizi algoritmaları veri madenciliği alanında veri kümeleri veya veriler arasındaki ilişkileri ortaya çıkarmak için sıklıkla kullanılan yöntemlerin başında gelmektedir. Literatür taraması sonucu elde edilen bilgiler ışığında birliktelik kural analizi algoritmaları içerisinde en yaygın kullanılan algoritmaların Apriori ve FpGrowth algoritmaları olduğu tespit edilmiştir. Bu tez çalışmasında, bir mağaza deposuna ait 4625 hareketlilik ve 106 üründen oluşan bir veri tabanı üzerinden birliktelik kural çıkarım algoritmaları kullanılarak depodan birlikte çıkma eğilimi olan ürünler ortaya çıkarılmıştır. Apriori ve FP-Growth algoritmaları uygulama üzerinde karşılaştırmalı olarak incelenmiş ve mağaza deposunun giriş-çıkış için en uygun hale getirilmesi amaçlanmıştır. Bu tez çalışması toplam, beş bölümden oluşmaktadır: giriş, veri madenciliği hakkında genel bilgiler, birliktelik kural analizi hakkında detaylı bilgiler, uygulama bölümü ve sonuç.

The mass of products produced by the product variety in the stores causes intensities during the goods entry and exit in the store depots. It is thought that this intensity affects labor, time, energy consumption and sales negatively. Data mining works produce solutions to identify demands in sectors, to find and develop the most suitable solution to the demands. Association rule analysis algorithms are one of the most frequently used methods to reveal the relationships between data sets or data in the field of data mining. In the light of the data obtained from the literature review, it was found that the most commonly used algorithms in association rule analysis algorithms are Apriori and FpGrowth algorithms. In this thesis, 4625 mobility and 106 products belonging to a store warehouse, products with a tendency to coexist from the warehouse by using the rule extraction algorithms. Apriori and FP-Growth algorithms are examined comparatively on the application and it is intended to optimize the store warehouse for entry-exit. This thesis consists of a total of five chapters: introduction, general information about data mining, detailed information about the association rule analysis, the application section and the result.