Свойства, которые можно настроить для априорного алгоритма HANA.
Этот алгоритм позволяет обнаруживать частотные модели наборов элементов в крупных транзакционных наборах данных для создания правил ассоциации. С его помощью можно определить, какие продукты и услуги клиенты предрасположены покупать одновременно. Анализируя тренды, наблюдающиеся в покупательских предпочтениях клиентов, посредством ассоциативного анализа, можно прогнозировать их поведение в будущем.
Например, сведения о том, что клиенты склонны одновременно покупать обувь и носки, можно представить в виде правила ассоциации с заданными минимальными значениями поддержки и достоверности: Shoes=> Socks [support = 0.5, confidence= 0.1]
| Свойство | Описание |
|---|---|
| Априорный тип | Выберите Apriori. |
| Столбец элементов | Выберите столбцы, содержащие элементы, к которым требуется применить алгоритм. |
| Столбец ид. транзакций | Выберите столбец, содержащий идентификаторы транзакций, к которым требуется применить алгоритм. |
| Отсутствующие значения | Выберите способ обработки отсутствующих значений. Возможные значения:
|
| Поддержка | Введите минимальное значение поддержки для элемента. Значение по умолчанию – 0,1. |
| Достоверность | Введите значение минимальной достоверности правил или ассоциации. Значение по умолчанию – 0,8. |
| Максимальное число элементов | Введите длину начальных и зависимых элементов в выводе. Значение по умолчанию – 5. |
| Число потоков | Введите число потоков, которые алгоритм будет использовать при выполнении. Значение по умолчанию – 1. |