Технологии интеллектуального анализа данных : учебное пособие

138 группам товаров, что не всегда приемлемо. Для достижения ком- промисса между анализом групп и анализом отдельных объектов часто поступают следующим образом: сначала анализируют груп- пы, а затем, в зависимости от полученных результатов, исследуют объекты заинтересовавших аналитика групп. В любом случае мож- но утверждать, что наличие иерархии в объектах и ее использова- ние в задаче поиска ассоциативных правил позволяет выполнять более гибкий анализ и получать дополнительные знания. В рассмотренной задаче поиска ассоциативных правил нали- чие объекта в транзакции определялось только его присутствием в ней   j i T  или отсутствием   j i T  . Часто объекты имеют допол- нительные атрибуты, как правило, численные. Например, товары в транзакции имеют атрибуты: цена и количество. При этом наличие объекта в наборе может определяться не просто фактом его при- сутствия, а выполнением условия по отношению к определенному атрибуту. Например, при анализе транзакций, совершаемых поку- пателем, может интересовать не просто наличие покупаемого това- ра, а товара, покупаемого по некоторой цене. Для расширения возможностей анализа с помощью поиска ассоциативных правил в исследуемые наборы можно добавлять дополнительные объекты. В общем случае они могут иметь приро- ду, отличную от основных объектов. Например, для определения товаров, имеющих больший спрос в зависимости от месторасполо- жения магазина, в транзакции можно добавить объект, характери- зующий район. Представление результатов. Решение задачи поиска ассоциа- тивных правил, как и любой задачи, сводится к обработке исход- ных данных и получению результатов. Обработка над исходными данными выполняется по некоторому алгоритму Data Mining. Ре- зультаты, получаемые при решении этой задачи, принято представ-