Association Rule Mining (Birliktelik Kuralı Madenciliği)

#BirliktelikKuralı #VeriMadenciliği #Apriori #FPGrowth #MarketSepeti #UnsupervisedLearning

Birliktelik Kuralı Madenciliği, büyük veri setlerindeki öğeler arasındaki birlikte görünme örüntülerini sistematik biçimde keşfeden veri madenciliği yöntemidir.

Birliktelik kuralı madenciliği (association rule mining), büyük işlem veritabanlarında öğeler arasındaki anlamlı birlikte-oluşum örüntülerini keşfeden denetimsiz bir makine öğrenmesi yöntemidir. Temel çıktısı "Eğer A ise B" biçiminde ifade edilen kurallar bütünüdür; bu kurallar destek (support), güven (confidence) ve kaldıraç (lift) metrikleriyle değerlendirilir. Destek, bir kural ya da öğe kümesinin tüm işlemler içindeki görülme sıklığını gösterir; çok düşük destekli kurallar istatistiksel açıdan anlamsız kabul edilir. Güven, A gerçekleştiğinde B'nin de gerçekleşme olasılığını, yani öngörücü gücü ölçer. Lift ise A ve B'nin bağımsız olması durumuna göre gözlemlenen birlikteliğin kaç kat daha güçlü olduğunu hesaplar: lift değeri birden büyükse pozitif ilişki, birden küçükse negatif ilişki vardır, bire eşitse iki öğe birbirinden bağımsızdır. Temel algoritmalar üç ana grupta toplanır. Apriori, anti-monoton özelliği kullanan klasik yaklaşımdır: seyrek olan bir kümenin üst kümesi de seyrek olacağından budama (pruning) ile aday küme uzayı sistematik biçimde daraltılır. FP-Growth ise veriyi bir ağaç yapısına (FP-Tree) sıkıştırarak tek geçişte sık öğe kümelerini çıkarır; bu yöntem Apriori'den 10 ila 100 kat daha hızlı çalışabilmektedir. Eclat, dikey veri biçimini kullanarak küme kesişim işlemiyle destek hesabını hızlandırır. Uygulama alanları son derece geniştir: e-ticaret öneri motorları, market sepet analizi, ilaç yan etki kombinasyonu tespiti, siber güvenlikte saldırı örüntüsü tanıma, finans sektöründe dolandırıcılık tespiti ve biyoinformatikte gen ifadesi analizi bu yöntemin aktif kullanım alanlarıdır. Kural patlaması (rule explosion) sorununa karşı chi-kare testi ve conviction gibi ek filtreler uygulanabilir; ancak kuralların nedensellik değil yalnızca korelasyon gösterdiği her zaman göz önünde bulundurulmalıdır. Veri kalitesi, minimum destek ve güven eşiklerinin doğru ayarlanması, elde edilen kuralların pratik değerini doğrudan belirler.

Birliktelik Kuralı Madenciliği Nasıl Çalışır?

Birliktelik kuralı madenciliği, bir işlem veritabanındaki öğe kümelerini (itemsets) analiz ederek hangi kombinasyonların anlamlı ilişkileri temsil ettiğini bulur. Süreç iki ana aşamadan oluşur: Önce belirli bir minimum destek eşiğini sağlayan sık öğe kümeleri (frequent itemsets) belirlenir; ardından bu kümelerden minimum güven eşiğini karşılayan kurallar türetilir. Örnek olarak: Bir süpermarketin 1.000 işlem kaydında 'ekmek ve tereyağı' birlikte 200 kez alınmışsa, bu çiftin desteği %20'dir. Ekmek alındığında 200 işlemin 160'ında tereyağı da alınmışsa, güven değeri %80 olur. Lift ise 'tereyağının tüm işlemlerdeki satın alınma olasılığı'na (örn. %30) bölünerek bulunur: 0.80/0.30 = 2.67 — ekmek alanların tereyağı alma olasılığı rastgele bir müşteriye göre 2.67 kat daha yüksektir.

Temel Algoritmalar

  • check_circle Apriori Algoritması: Sık öğe kümelerini aday oluşturma ve budama (prune) adımlarıyla bulur. Anti-monoton özelliğini kullanır: seyrek olan bir kümenin üst kümesi de seyrek olacaktır. Basit ve anlaşılır, ancak büyük veride çok sayıda veritabanı taraması nedeniyle yavaş kalabilir.
  • check_circle FP-Growth: Veriyi özel bir ağaç yapısına (FP-Tree) sıkıştırır ve tek geçişte sık öğe kümelerini çıkarır. Apriori'den 10-100× daha hızlı çalışabilir; tekrarlı veritabanı taramalarına gerek yoktur. Büyük veri setleri için tercih edilen yöntemdir.
  • check_circle Eclat: Dikey veri biçimini kullanır: her öğenin hangi işlemlerde geçtiğini küme kesişim işlemiyle hesaplar. Orta ölçekli veritabanlarında verimli; çok büyük transaksiyonel veride bellek baskısı oluşturabilir.

Uygulama Alanları

  • check_circle E-ticaret ve Perakende: Amazon'un 'Bu ürünü alanlar şunları da aldı' öneri motoru, market raf düzeni optimizasyonu ve çapraz satış (cross-sell) stratejilerinde kullanılır.
  • check_circle Tıp ve İlaç Araştırmaları: Hastalık semptomları arasındaki ilişkileri bulmak, ilaç yan etki kombinasyonlarını keşfetmek ve tanı örüntülerini analiz etmek için kullanılır.
  • check_circle Siber Güvenlik: Ağ trafiğindeki anormal örüntüleri belirlemek, saldırı vektörlerini birlikte gerçekleşen olaylarla ilişkilendirmek ve saldırı sıralama örüntülerini keşfetmek için uygulanır.
  • check_circle Finans ve Bankacılık: Müşteri harcama örüntüleri analizi, dolandırıcılık tespiti ve ürün çapraz satışı (kredi kartı + sigorta paketleme gibi) için kullanılır.
  • check_circle Biyoinformatik: Gen ifadesi verilerinde birlikte aktifleşen genleri belirlemek, protein etkileşim ağlarını modellemek ve hastalık-gen ilişkilerini keşfetmekte kullanılır.

Temel Metrikler: Destek, Güven, Kaldıraç

Birliktelik kuralı madenciliğinde üç temel metrik kural kalitesini belirler. Destek (Support), bir öğe kümesinin tüm işlemlerde görülme sıklığını ifade eder: support({A,B}) = |işlem(A∩B)| / |toplam işlem|. Düşük destek eşiği çok fazla kural üretir, yüksek eşik nadir ama değerli örüntüleri kaçırır. Güven (Confidence), A alındığında B'nin alınma olasılığını ölçer: conf(A→B) = support(A∪B) / support(A). Yüksek güven, kuralın güvenilirliğini gösterir; ancak B'nin zaten popüler bir ürün olduğu durumlarda yanıltıcı olabilir. Kaldıraç (Lift), rassal beklentiye göre birliktelik artışını ölçer: lift(A→B) = conf(A→B) / support(B). Lift > 1 ise A ve B rastlantısal birlikteliğin ötesinde birlikte gerçekleşiyor demektir; lift = 1 bağımsızlık, lift < 1 olumsuz ilişki anlamına gelir. İyi bir kural tipik olarak yüksek destek + yüksek güven + lift > 1 üçlüsünü aynı anda karşılamalıdır.

Ölçeklenebilirlik ve Modern Yaklaşımlar

  • check_circle Veri Akışı Madenciliği: Statik veritabanları yerine gerçek zamanlı e-ticaret akışlarında kural keşfi için Lossy Counting ve DSARM gibi çevrimiçi algoritmalar kullanılır; bellek sınırlı ortamlarda yaklaşık sonuçlar üretir.
  • check_circle Gizlilik Korumalı Kural Madenciliği: Hassas müşteri verisi içeren birliktelik analizlerinde diferansiyel gizlilik ve veri pertürbasyon teknikleri orijinal kuralları korurken kişisel bilgi sızdırmamayı hedefler.
  • check_circle Derin Öğrenme Entegrasyonu: Geleneksel Apriori'nin yerini kısmen alan görev tabanlı sinir ağları (örn. gömme tabanlı tavsiye sistemleri) örtük birliktelik ilişkilerini yüksek boyutlu uzayda öğrenir; ancak yorumlanabilirlik açısından klasik kuralların gerisinde kalır.
  • check_circle Grafik Tabanlı Madencilik: FP-Growth algoritmasının sık örüntü ağacı (FP-tree) yapısı, veritabanını yalnızca iki kez tarayarak Apriori'nin çok geçiş dezavantajını ortadan kaldırır; büyük kataloglarda pratik çözüm sunar.

Sık Sorulan Sorular

  • check_circle Destek, güven ve lift değerleri nasıl yorumlanır? Destek (tipik eşik ≥0.01-0.05), kuralın istatistiksel anlamlılığını garanti eder. Güven (tipik ≥0.5-0.8), kuralın öngörücü gücünü gösterir. Lift >1 pozitif ilişkiyi, <1 negatif ilişkiyi, =1 bağımsızlığı ifade eder. Üç metrik birlikte değerlendirilmelidir.
  • check_circle Çok fazla kural üretilince ne yapılır? Kural patlaması (rule explosion) yaygın bir sorundur. Minimum destek ve güven eşiklerini yükselterek kural sayısını azaltabilirsiniz. Chi-kare testi, Fisher's exact test veya conviction metriği gibi istatistiksel filtreleme yöntemleri de kullanılabilir.
  • check_circle Birliktelik kuralları nedensellik gösterir mi? Hayır. Birliktelik kuralları yalnızca korelasyon gösterir, nedensellik değil. Nedensellik analizi için Granger nedensellik, propensity score matching gibi ek yöntemler gerekir.
  • check_circle Apriori mi, FP-Growth mu kullanmalıyım? Küçük-orta veritabanları ve prototipler için Apriori anlaşılırlığı nedeniyle idealdir. Büyük veritabanları (>100K işlem) veya yüksek performans gerektiren üretim sistemleri için FP-Growth tercih edilir. Bellek kısıtlı ortamlarda Eclat iyi bir alternatiftir.
  • check_circle Birliktelik kuralı madenciliği ile tavsiye sistemleri arasındaki fark nedir? Birliktelik kuralı madenciliği yorumlanabilir if-then kuralları üretir ve belirli bir eşik üzerindeki tüm ilişkileri listeler; bu nedenle küçük-orta ölçekli kataloglarda ve açıklanabilirlik gerektiren alanlarda tercih edilir. Tavsiye sistemleri (işbirlikçi filtreleme, matris ayrıştırma) ise kişiselleştirilmiş öneriler üretmekte ve büyük ölçekli seyrek veride daha iyi geneller; ancak kararları yorumlamak güçtür.