Học quy tắc liên kết là kỹ thuật học không giám sát kiểm tra sự phụ thuộc của một phần tử dữ liệu vào phần tử khác và ánh xạ tương ứng để tăng tính thương mại. Cố gắng khám phá mối quan hệ/liên kết thú vị giữa các biến trong tập dữ liệu. Dựa trên nhiều quy tắc để tìm mối quan hệ thú vị giữa biến trong database.
Học quy tắc liên kết là khái niệm cốt lõi của học máy, ứng dụng trong Phân tích giỏ hàng, Khai thác sử dụng web, sản xuất liên tục. Do đó phân tích giỏ hàng là phương pháp các nhà bán lẻ lớn dùng để tìm liên kết giữa mặt hàng.
Trong phân tích giỏ hàng, thói quen mua sắm khách hàng được phân tích bằng cách tìm liên kết giữa các mặt hàng khác nhau trong giỏ hàng. Bằng cách khám phá liên kết này, nhà bán lẻ tạo chiến lược marketing bằng cách phân tích mặt hàng thường được mua bởi khách hàng. Liên kết này dẫn đến tăng doanh thu bằng cách hỗ trợ marketing chọn lọc và lên kế hoạch không gian kệ.
Lĩnh vực ứng dụng phổ biến cho liên kết đa cấp là phân tích giỏ hàng, nghiên cứu thói quen mua sắm khách hàng bằng cách tìm tập mặt hàng thường xuyên mua cùng nhau, hiển thị trong khái niệm phân cấp khái niệm (concept hierarchy).
Quy tắc liên kết với hai hoặc nhiều chiều hoặc vị từ gọi là quy tắc liên kết đa chiều (multidimensional association rules). Ví dụ:
Age (X, "20...29") ^ occupation (X, "Student") => buys (X, "Laptop")
Quy tắc này chứa ba vị từ (tuổi, nghề nghiệp, mua), mỗi vị từ chỉ xuất hiện một lần, gọi là quy tắc liên kết liên chiều (interdimensional association rules). Quy tắc với vị từ lặp lại hoặc chứa nhiều lần xuất hiện của một số vị từ gọi là quy tắc liên kết hỗn hợp chiều (hybrid-dimension association rules).
Ví dụ:
Age (X, "20...29") ^ buys (X, "Laptop") => buys (X, "Printer")
Thuộc tính database nên là phân loại (categorical) hoặc định lượng (quantitative).
Thuộc tính phân loại có số giá trị có hạn, không có thứ tự giữa giá trị, cũng gọi là thuộc tính danh nghĩa (nominal attributes).
Thuộc tính định lượng là số và có trình tự ngầm giữa các giá trị. Ba phương pháp cơ bản xử lý thuộc tính định lượng:
- Phương pháp 1: Rời rạc hóa thuộc tính định lượng dùng phân cấp khái niệm định nghĩa trước, xảy ra trước khai thác. Thuộc tính số rời rạc hóa với giá trị phạm vi coi như thuộc tính phân loại.
- Phương pháp 2: Phân loại thuộc tính định lượng vào các bin dựa trên phân phối dữ liệu. Các bin có thể kết hợp thêm trong quá trình khai thác. Do đó quá trình rời rạc hóa là động và thiết lập.
- Phương pháp 3: Rời rạc hóa thuộc tính định lượng để nắm bắt ý nghĩa ngữ nghĩa của dữ liệu khoảng. Quy trình rời rạc hóa mạnh mẽ này xử lý khoảng cách giữa các điểm dữ liệu.