Birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi
Citation
Tokyürek, E. (2019). Birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi. [Yayımlanmamış yüksek lisans tezi]. Bilecik Şeyh Edebali Üniversitesi.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.