Association Rules in Hindi

 परिचय

एसोसिएशन रूल (Association Rule) डेटा माइनिंग की एक प्रमुख तकनीक है, जिसका उपयोग बड़े डेटा सेट्स में पैटर्न और रिलेशनशिप्स खोजने के लिए किया जाता है। दूसरी ओर, रिलेशनल डेटाबेस मैनेजमेंट सिस्टम (RDBMS) डेटा को संगठित करने, संग्रहीत करने और प्रबंधित करने के लिए एक संरचित तरीका प्रदान करता है। जब एसोसिएशन रूल को RDBMS में लागू किया जाता है, तो यह शक्तिशाली विश्लेषणात्मक क्षमताओं को उजागर कर सकता है, जो डेटा में छिपी जानकारी को बाहर लाने में मदद करती हैं। इस लेख में, हम एसोसिएशन रूल और RDBMS के बीच के संबंध, उनके उपयोग, और उनके लाभों का विस्तार से अध्ययन करेंगे।

एसोसिएशन रूल का मुख्य उद्देश्य विभिन्न आइटमसेट्स के बीच संबंधों को खोजने का है, जो एक साथ किसी विशेष लेनदेन (Transaction) में दिखाई देते हैं। यह तकनीक मुख्य रूप से निम्नलिखित मापदंडों पर आधारित है:

  Itemsets :

  परिभाषा : आइटमसेट्स उन आइटम्स के समूह को कहते हैं, जो एक साथ किसी विशेष लेनदेन में उपस्थित होते हैं। उदाहरण के लिए, किसी दुकान में एक ग्राहक द्वारा दूध और ब्रेड को एक साथ खरीदने पर दूध और ब्रेड एक आइटमसेट के रूप में गिने जाएंगे।

  उदाहरण : अगर 100 में से 60 बार दूध और ब्रेड एक साथ खरीदे जाते हैं, तो यह एक महत्वपूर्ण आइटमसेट बन जाएगा।

Frequent Itemsets :

   परिभाषा : फ्रीक्वेंट आइटमसेट्स वे आइटमसेट्स होते हैं, जो डेटा सेट में बार-बार प्रकट होते हैं। ये आइटमसेट्स एसोसिएशन रूल्स की नींव होते हैं।

   उदाहरण : यदि 1000 लेनदेन में से 200 बार ब्रेड और जैम एक साथ खरीदे जाते हैं, तो ब्रेड और जैम का आइटमसेट एक फ्रीक्वेंट आइटमसेट कहलाएगा।

  Association Rule :

   परिभाषा : एसोसिएशन रूल एक ऐसा नियम है, जो यह दर्शाता है कि अगर एक विशेष आइटमसेट में कुछ आइटम्स उपस्थित होते हैं, तो किसी अन्य आइटम के भी उपस्थित होने की संभावना होती है। यह संभावनाओं पर आधारित होता है।

   उदाहरण : "अगर कोई ग्राहक दूध खरीदता है, तो उसके साथ ब्रेड खरीदने की भी संभावना है।"

   Support: सपोर्ट वह माप है, जो यह दर्शाता है कि किसी विशेष आइटमसेट का कितनी बार लेनदेन में प्रकट होता है। इसे निम्नलिखित सूत्र से निकाला जाता है:

     \[

     \text{Support(X)} = \frac{\text{(X को समग्र लेनदेन में उपस्थित होने की संख्या)}}{\text{समग्र लेनदेन की संख्या}}

     \]

   Confidence : कन्फिडेंस वह संभावना है, जो यह बताती है कि अगर आइटमसेट X लेनदेन में उपस्थित है, तो Y के भी उपस्थित होने की संभावना कितनी है:

     \[

     \text{Confidence(X → Y)} = \frac{\text{Support(X और Y)}}{\text{Support(X)}}

     \]

   Lift : लिफ्ट यह मापता है कि X और Y के बीच संबंध कितना मजबूत है:

     \[

     \text{Lift(X → Y)} = \frac{\text{Confidence(X → Y)}}{\text{Support(Y)}}

     \]

RDBMS में डेटा को तालिकाओं (टेबल्स) के रूप में संग्रहीत किया जाता है, और SQL जैसी क्वेरी भाषाओं का उपयोग करके डेटा का विश्लेषण किया जाता है। एसोसिएशन रूल्स को RDBMS के साथ उपयोग करके, हम डेटा में छिपे पैटर्न्स और रिलेशनशिप्स को खोज सकते हैं, जो सीधे व्यापारिक निर्णयों को प्रभावित कर सकते हैं। 

Data Collection and Preprocessing :

   RDBMS में डेटा संग्रह : RDBMS में डेटा तालिकाओं के रूप में संग्रहीत होता है, जो विभिन्न एंटिटीस (जैसे कि ग्राहक, उत्पाद, लेनदेन) को दर्शाता है। 

   पूर्वप्रसंस्करण : RDBMS में संग्रहीत डेटा को साफ़ करने, ट्रांसफॉर्म करने और आवश्यकताओं के अनुसार तैयार करने के लिए SQL क्वेरीज़ का उपयोग किया जाता है। यह चरण महत्वपूर्ण है, क्योंकि एसोसिएशन रूल्स का सही ढंग से लागू होना डेटा की गुणवत्ता पर निर्भर करता है।

Generating Association Rules :

 फ्रीक्वेंट आइटमसेट्स की पहचान : RDBMS में SQL का उपयोग करके फ्रीक्वेंट आइटमसेट्स की पहचान की जाती है। इस प्रक्रिया में हम उन आइटमसेट्स की खोज करते हैं, जो लेनदेन में अक्सर प्रकट होते हैं।

 रूल्स का निर्माण : एक बार फ्रीक्वेंट आइटमसेट्स की पहचान हो जाने पर, एसोसिएशन रूल्स बनाए जाते हैं। ये रूल्स SQL क्वेरीज़ के माध्यम से RDBMS में लागू किए जाते हैं।

Evaluating Association Rules :

   सपोर्ट, कन्फिडेंस, और लिफ्ट का मापन : SQL का उपयोग करके प्रत्येक रूल का सपोर्ट, कन्फिडेंस, और लिफ्ट मापा जाता है, ताकि यह पता लगाया जा सके कि कौन से रूल्स अधिक महत्वपूर्ण हैं।

   महत्वपूर्ण रूल्स की पहचान : जो रूल्स उच्च कन्फिडेंस और लिफ्ट वाले होते हैं, उन्हें अधिक महत्वपूर्ण माना जाता है और इन्हें व्यापारिक निर्णयों में उपयोग किया जाता है।

एसोसिएशन रूल्स और RDBMS का संयोजन विभिन्न उद्योगों में व्यापक रूप से उपयोग किया जाता है। इसके कुछ प्रमुख अनुप्रयोग निम्नलिखित हैं:

Market Basket Analysis :

  उपयोग : सुपरमार्केट और रिटेल स्टोर्स में एसोसिएशन रूल्स का उपयोग यह जानने के लिए किया जाता है कि कौन से उत्पाद एक साथ खरीदे जाते हैं। इससे स्टोर लेआउट, उत्पाद प्लेसमेंट, और प्रचार रणनीतियों को अनुकूलित किया जा सकता है।

  उदाहरण : अगर RDBMS में संग्रहीत लेनदेन डेटा से यह पता चलता है कि ग्राहक अक्सर दूध के साथ ब्रेड खरीदते हैं, तो स्टोर दूध और ब्रेड को एक साथ प्रदर्शित कर सकता है।

Recommendation Systems :

   उपयोग : ई-कॉमर्स वेबसाइट्स में एसोसिएशन रूल्स का उपयोग ग्राहकों को संबंधित उत्पादों की अनुशंसा करने के लिए किया जाता है। 

   उदाहरण : अगर एक ग्राहक किसी वेबसाइट पर एक पुस्तक खरीदता है, तो एसोसिएशन रूल्स के आधार पर अन्य संबंधित पुस्तकों की अनुशंसा की जा सकती है।

Fraud Detection :

   उपयोग : वित्तीय संस्थानों में एसोसिएशन रूल्स का उपयोग असामान्य लेनदेन पैटर्न्स की पहचान करने के लिए किया जाता है, जो संभावित धोखाधड़ी की ओर संकेत कर सकते हैं।

   उदाहरण : अगर किसी ग्राहक के खाते में अचानक से बड़ी राशि के लेनदेन होते हैं जो सामान्य पैटर्न से मेल नहीं खाते, तो इसे RDBMS में स्टोर किए गए डेटा और एसोसिएशन रूल्स के माध्यम से पहचान कर सतर्कता बरती जा सकती है।

Medical Diagnosis :

   उपयोग : स्वास्थ्य सेवाओं में, एसोसिएशन रूल्स का उपयोग मरीजों के लक्षणों और निदान के बीच संबंधों को खोजने के लिए किया जाता है।

   उदाहरण : अगर किसी विशिष्ट लक्षण के साथ अक्सर एक विशेष बीमारी का निदान किया जाता है