مطالعه مقایس های بین الگوریتم های استخراج قوانین وابستگی برای سیستم پشتیبان تصمیم گیری در بانکداری

کشف دانش از مجموعه داده های بزرگ حاصل پردازش های متنوعی با نام داده کاوی است. امروزهکاربرد داده کاوی در امور حساسی همچون بانکداری بسیار رو به گسترش است. در واقع، استفاده ازالگوریتم ها و ابزارهایی که به عنوان پشتیبان تصمیم گیری در این زمینه ارائه می گردند هم احتمالخطاها (خطای انسانی عمدی و یا سهوی) را کاهش می دهند و هم در زمان و هزینه صرفه جوییمی کنند. کاوش الگوهای پرتکرار یک بخش بسیار مهم در داده کاوی است. در این مقاله هدفبررسی الگوریتم های استخراج قوانین مختلف شامل Apriori ، Predictive Apriori وTertius به منظور کمک به تصمیم گیری بهتر در حوزه بانکداری و اعطای حسابهای دارای امتیازخاص به مشتریان می باشد. در این راستا، ما به دنبال کشف الگوها و قوانین بهتر از داده ها هستیم. بهمنظور آزمایش و بررسی الگوریتم ها از ابزار Weka استفاده می کنیم. تحلیل نتایج نشان میدهد کهتعداد فرزند و وضعیت تاهل دو صفت تاثیرگذار درصفت هدف این مساله هستند. علاوه براین، بامقایسه نتایج مشخص شد که الگوریتم Apriori کارایی بهتری از نظر زمان نسبت به دو الگوریتمدیگر دارد، درحالیکه دو الگوریتم Predictive Apriori و Tertius قوانین مطلوبتریاستخراج کرده و امکان تصمیم گیری بهتر از نظر دقت را فراهم می کنند.

Keywords:

قوانین وابستگی , بانکداری , الگوریتم Weka , Apriori