Performance Comparison of Association Rule Algorithms with SPMF on Automotive Industry Data

Melih NAİR; Fatih KAYAALP

doi:https://doi.org/10.29130/dubited.581931

Article Details

Performance Comparison of Association Rule Algorithms with SPMF on Automotive Industry Data

Authors:

Melih NAİR | Fatih KAYAALP

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2019 Vol.7 Issue 3, pp.1985-2000

Document Type:

Article

Publication Date:

7/2019

Document Language:

English

Document ID (Org No.):

2000946202

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.581931

Keywords:

Abstract:

 


By the recent developments about the
information technologies, companies can store their data faster and easier with
lower costs. All transactions (sales, current card, invoicing, etc.) performed
in companies during the day combine at the end of the day to form big datasets.
It is possible to extract valuable information through these datasets with data
mining. And this has become more important for companies in terms of today's
conditions where the competition in the market is high. In this study, a
dataset of a company selling car maintenance and repair products in Turkey is
used. Association Rules are applied on this dataset for determining the items
which are bought together by the customers. These rules, which are calculated
specifically for the company, can be used to redefine the sales and marketing
strategies, to revise the storage areas efficiently, and to create sales
campaigns suitable for the customers and regions. These algorithms are also
called Frequent Itemset Mining Algorithms. The most recent 11 algorithms from
these are applied to this dataset in order to compare the performances according
to metrics like memory usage and execution times against varying support values
and varying record numbers by using SPMF platform. Three different datasets are
created by using the whole dataset like 6-months, 12-months and 22-months. According
to the experiments, it can be said that executon times generally increases
inversely with the support values as nearly all algorithms have higher
execution time values for the lowest support value of 0.1. dEclat_bitset
algorithm has the most efficient performance for 6-months and 12-months dataset.
But Eclat algorithm can be said to be the most efficient algorithm for 0.7 and
0.3 support values; on the other hand dEclat_bitset is the most efficient
algorithm for 0.3 and 0.1 support values on 22-months dataset.



.

 


Bilgi
teknolojilerindeki son gelişmeler sayesinde, şirketler verilerini daha düşük
maliyetlerle daha hızlı ve daha kolay saklayabilirler. Gün içinde şirketlerde
gerçekleştirilen tüm işlemler (satışlar, cari kartlar, faturalama vb.), günün
sonunda birleştirilir ve büyük veri setleri oluştururlar. Bu veri setlerinden
veri madenciliği aracılıyla değerli bilgiler elde edilmesi mümkündür. Pazardaki
rekabetin yüksek olduğu günümüz şartları açısından bu durum şirketler için çok
daha önemli hale gelmiştir.  Bu çalışmada
Türkiye’de araç bakım ve servis ürünleri satan bir şirketin veriseti
kullanılmıştır. Bu verisetine, müşteriler tarafından birlikte satın alınmış
olan ürünlerin tespiti için Birliktelik Kuralları uygulanmıştır. Şirketlere
özgü olarak çıkarımı yapılan bu kurallar şirketlerin satış ve pazarlama stratejilerinin
belirlenmesinde, depoların verimli bir şekilde kullanımlarında ve müşteriler ya
da bölgelere göre uygun satış kampanyaları oluşturulmasında kullanılabilir.
Birliktelik kuralları aynı zamanda Sık Satılan Ürün Algoritmaları olarak da
isimlendirilebilmektedir. Bu algoritmalardan en güncel 11 tanesi SPMF yazılımı
kullanılarak bu veri setine uygulanmış ve bu algoritmaların değişken destek
değerleri ve değişken kayıt sayılarına bağlı olarak performansları, bellek
kullanım miktarları ve işlem süreleri açısından karşılaştırılmıştır.
Başlangıçtaki veri seti, 6 aylık, 12 aylık ve 22 aylık kayıt içerecek şekilde 3
ayrı veri seti haline getirilmiştir. Deney sonuçlarına bakıldığında, işlem zamanlarının
genellikle destek değerleriyle ters orantılı olarak arttığı söylenebilir. Çünkü
neredeyse tüm algoritmaların en düşük destek değeri olan 0,1 için daha yüksek işlem
zamanı değerlerine sahip oldukları görülmüştür. 6 aylık ve 12 aylık veri
setleri için dEclat_bitset algoritması en verimli performansı göstermiştir. Fakat
22 aylık veri setinde, 0,7 ve 0,3 destek değerleri için Eclat algoritması en
verimli olarak görünürken; 0,3 ve 0,1 destek değerleri için dEclat_bitset
algoritması en verimli olarak görünmektedir. 



.

Article Details

Performance Comparison of Association Rule Algorithms with SPMF on Automotive Industry Data

Authors:

Melih NAİR | Fatih KAYAALP

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2019 Vol.7 Issue 3, pp.1985-2000

Document Type:

Article

Publication Date:

7/2019

Document Language:

English

Document ID (Org No.):

2000946202

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.581931

Birliktelik Kuralları

Market Sepeti Analizi

SPMF

Issues

Article Details

Performance Comparison of Association Rule Algorithms with SPMF on Automotive Industry Data

Authors: Melih NAİR | Fatih KAYAALP

Publisher: Duzce University

Main Topics: Applied physics

Journal: Duzce University Journal of Science and Technology 2019 Vol.7 Issue 3, pp.1985-2000

Document Type: Article

Publication Date: 7/2019

Document Language: English

Document ID (Org No.): 2000946202

Frequency: Quarterly

eISSN: 2148-2446

DOI: https://doi.org/10.29130/dubited.581931

Birliktelik Kuralları

Market Sepeti Analizi

SPMF

Issues

Authors:

Melih NAİR | Fatih KAYAALP

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2019 Vol.7 Issue 3, pp.1985-2000

Document Type:

Article

Publication Date:

7/2019

Document Language:

English

Document ID (Org No.):

2000946202

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.581931