Karar ağaçlarının birliktelik kuralları ile iyileştirilmesi

Abstract

Bu çalışmada veri madenciliği sınıflama tekniklerinden biri olan karar ağaçları ve birliktelik kuralları yöntemi kullanılmıştır. Karar ağaçları kullanılarak ortaya çıkan kuralların, birliktelik kuralları yardımıyla filtrelenmesini sağlayan uygulama geliştirilmiştir. Bu uygulama ile karar ağaçları iyileştirilebilir ve budanabilir hale getirilmiştir. İyileştirme ve budama işlemleri için birliktelik kurallarında adı geçen destek ve güven değerleri kullanılmıştır. Kullanıcı tarafından belirlenen eşik destek ve güven değerleri altındaki değerlere sahip kurallar filtrelenmektedir. Uygulama kapsamında bir imalathanede üretilen defolu ürünün müşterilere sunulup sunulmayacağının tahmini yapılmaktadır. Tahmin yapılırken daha önceki üretilen ürünlerin sunulup sunulmadığı bilgilerine bakarak belli bir kuralı olmayan kararların sınıflandırılması yapılmıştır. Yeni gelecek bir hatalı bir ürünün kalite kontrol sonucunun tahmini gerçekleştirilmektedir.

: In this study, we used decision tree and association rule methods as a data mining classification technique. The application developed filters the rules derived from decision trees . With the help of this application, decision trees are turned into improvable and prunable bodies. Support and confidence parameters of association rule methods are used for improvement and pruning purposes. As an application, a quality control estimation tool is developed using association rule based classification techniques of data mining. This tool developed tries to estimate the decision of putting the defected product to market or not. The estimation rule is derived using earlier data. When a defected product arrives at any quality control department, this estimation tool can be used for decision purposes.