ขั้นตอนของ Association Rule Clustering System (ARCS)
มีขั้นตอนต่อไปนี้ที่เกี่ยวข้องในระบบการจัดกลุ่มกฎความสัมพันธ์:
1. Binning (การแบ่งถัง)
แอตทริบิวต์เชิงปริมาณ (Quantitative attributes) อาจมีช่วงค่ากว้างที่แสดงโดเมนของพวกเขา คิดว่ากริด 2 มิติจะใหญ่แค่ไหน หากวาดอายุ (age) และรายได้ (income) เป็นแกน โดยทุกค่าที่เป็นไปได้ของอายุถูกสร้างเป็นตำแหน่งเฉพาะบนแกนหนึ่ง และเช่นเดียวกัน ทุกค่าที่เป็นไปได้ของรายได้ถูกสร้างเป็นตำแหน่งเฉพาะบนแกนอีกอัน
เพื่อรักษาให้กริดอยู่ในขนาดที่จัดการได้ แทนที่จะแบ่งโดเมนของแอตทริบิวต์เชิงปริมาณเป็นช่วง (intervals) ช่วงเหล่านี้มีพลัง בכךที่พวกเขาสามารถรวมกันระหว่างขั้นตอนการทำเหมือง กระบวนการแบ่งนี้เรียกว่า binning นั่นคือ ช่วงถูกมองว่าเป็น "bins"
มีกลยุทธ์ binning ทั่วไป 3 แบบ:
Equal-width binning – ขนาดช่วงของแต่ละ bin เท่ากัน
Equal-frequency binning – แต่ละ bin มีจำนวนทูเพิลที่มอบหมายให้ประมาณเท่ากัน
Clustering-based binning – ทำ clustering บนแอตทริบิวต์เชิงปริมาณเพื่อจัดกลุ่มจุดที่อยู่ติดกัน (judged based on various distance measures) เข้าไปใน bin เดียวกัน
ARCS ต้องการ equal-width binning ที่ขนาด bin สำหรับแอตทริบิวต์เชิงปริมาณแต่ละตัวถูกป้อนโดยผู้ใช้ อาร์เรย์ 2 มิติสำหรับทุกการผสมผสาน bin ที่เป็นไปได้ รวมทั้งสองแอตทริบิวต์เชิงปริมาณ ถูกสร้างขึ้น เซลล์อาร์เรย์แต่ละเซลล์เก็บการกระจายจำนวน (count distribution) ที่สอดคล้องสำหรับแต่ละคลาสที่เป็นไปได้ของแอตทริบิวต์เชิงหมวดหมู่ (categorical attribute) ของด้านขวาของกฎ (rule right-hand side) ด้วยการสร้างโครงสร้างข้อมูลนี้ ข้อมูลที่เกี่ยวข้องกับงาน (task-relevant data) ต้องการสแกนเพียงครั้งเดียว อาร์เรย์ 2 มิติเดียวกันสามารถใช้สร้างกฎสำหรับค่าใดๆ ของแอตทริบิวต์เชิงหมวดหมู่ ตามแอตทริบิวต์เชิงปริมาณสองตัวเดียวกัน
2. การหา Frequent Predicate Sets (การหาชุดเงื่อนไขที่พบบ่อย)
เนื่องจากอาร์เรย์ 2 มิติที่มีการกระจายจำนวนสำหรับแต่ละหมวดหมู่ตั้งแล้ว สามารถสแกนเพื่อค้นพบ frequent predicate sets (ที่ผ่าน minimum support) ที่ยังผ่าน minimum confidence
อัลกอริทึมตรวจสอบกริด ค้นหา rectangular clusters ของกฎ ในวิธีนี้ bins ของแอตทริบิวต์เชิงปริมาณที่ปรากฏภายใน rule cluster สามารถรวมกันได้ และดังนั้น การแยกข้อมูลแบบไดนามิก (dynamic discretization) ของแอตทริบิวต์เชิงปริมาณจึงเกิดขึ้น
วิธีแบบกริด (grid-based approach) อธิบายว่ากฎความสัมพันธ์ต้นฉบับสามารถจัดกลุ่มเป็นภูมิภาคสี่เหลี่ยมผืนผ้าได้ ก่อนการจัดกลุ่ม สามารถใช้เทคนิคการทำให้เรียบ (smoothing techniques) เพื่อช่วยกำจัด noise และ outliers ออกจากระเบียน Rectangular clusters อาจทำให้ข้อมูลง่ายเกินไป (oversimplify)
แนวทาง non-grid-based ได้รับแนะนำเพื่อค้นพบ quantitative association rules ที่เป็นทั่วไปมากขึ้น (more general) โดยที่จำนวนมิติเชิงปริมาณและเชิงหมวดหมู่หลายตัวสามารถปรากฏอยู่ทั้งสองด้านของกฎ ในแนวทางนี้ แอตทริบิวต์เชิงปริมาณถูกแยกแบบไดนามิกโดยใช้ equal-frequency binning และพาร์ติชันถูกรวมกันขึ้นอยู่กับขนาดวัดความสมบูรณ์บางส่วน (partial completeness) ซึ่งวัดปริมาณข้อมูลที่สูญเสียไปเนื่องจากการแบ่งพาร์ติชัน
