Esta opción le permite establecer un número mínimo de sesiones para las que las reglas de asociación generarán reglas temporales.
Aviso: una sesión es un conjunto de transacciones identificadas por una clave única. Por ejemplo, todas las compras realizadas en un momento dado por un cliente.
En un uso estándar, cuando el tamaño de fragmento es 0, todas las transacciones de la memoria se importan antes de generar las reglas de asociación correspondientes a los parámetros del modelo (soporte mínimo, confianza mínima, longitud de regla máxima). Con grandes conjuntos de datos, este método puede suponer un gran coste de tiempo y memoria. Para ganar velocidad y espacio en la memoria, utilice la opción de importar y generar reglas a partir de partes de un fichero de eventos. Al final del paso de aprendizaje, estas reglas se unen y sus estadísticas se actualizan para todo el conjunto de datos.
El número de reglas encontradas puede ser distinto en función del método que seleccione. Sin embargo, estas diferencias no son significativas si el tamaño de los fragmentos es suficientemente grande. El tamaño de fragmento debe ser aproximadamente un 10 % del número total de sesiones en su conjunto de datos (es decir de 10 a 15 fragmentos en función del tamaño del conjunto de datos). Puede empezar con un 10 % y modificar este número para mejorar los resultados. Si el fichero de transacción contiene menos de 5000 filas, deberá utilizar una estrategia sin fragmentos.
Sin embargo, la tarea de dividir las sesiones en fragmentos se puede delegar a Automated Analytics mediante la opción Estimar tamaño de fragmento que calculará automáticamente el tamaño de los fragmentos para obtener diez fragmentos.
Las transacciones del conjunto de datos de evento se deben agrupar por sesiones, lo que significa que el fichero Eventos se debe clasificar por sesiones.
Esta opción le indica a la aplicación que genere solo las reglas primarias y omita las reglas derivadas. Por ejemplo, R1 = X => Z y R2 X,Y =>Z son dos reglas de asociación, a R1 se le llama regla principal y a R2, regla derivada.
Antes de empezar el proceso de aprendizaje, puede seleccionar los elementos que desea ver como consecuentes en las reglas generadas definiendo los consecuentes a conservar o a excluir de la modelación. Si ambas listas contienen elementos, la lista de elementos a incluir en el consecuente es la utilizada para la modelación.
Antes de crear una de esas listas, debe conocer el valor exacto de cada elemento que desea incluir o excluir.