# 1. Мета роботи

**Навчитися знаходити асоціативні правила в транзакційній базі даних:
обчислювати міри інтересовності (підтримку, достовірність, підйом,
переконливість), виконувати алгоритм Apriori з відсіванням кандидатів і
перевіряти результат алгоритмом Eclat; реалізувати пошук частих наборів і
генерацію правил програмою, що читає транзакції з файлу.**

Виконавши роботу, студент повинен уміти:

- **обчислювати підтримку** набору $\operatorname{supp}(X) = |\{t : X \subseteq t\}| / N$
  та підтримку правила $\operatorname{supp}(X \cup Y)$;
- **обчислювати достовірність** $\operatorname{conf}(X \Rightarrow Y) = \operatorname{supp}(X \cup Y)/\operatorname{supp}(X)$
  і розуміти її як умовну частку (аналог $P(Y \mid X)$);
- **обчислювати підйом** $\operatorname{lift} = \operatorname{conf}/\operatorname{supp}(Y)$ і
  **переконливість** $\operatorname{conv} = (1 - \operatorname{supp}(Y))/(1 - \operatorname{conf})$
  та правильно їх тлумачити ($\operatorname{lift} \gtrless 1$; $\operatorname{conv} \to \infty$);
- **застосовувати властивість Apriori** (антимонотонність) для відсівання
  кандидатів і виконувати алгоритм покроково «руками»;
- **знаходити часті набори алгоритмом Eclat** через перетин tid-множин і розуміти
  різницю горизонтального та вертикального форматів бази;
- **відбирати цікаві правила** за порогами $s_{\min}$, $c_{\min}$ та впорядковувати
  їх за підйомом і переконливістю;
- **реалізувати** пошук частих наборів (Apriori) і генерацію асоціативних правил у
  вигляді програми, що читає транзакції з файлу CSV/тексту.

Робота закріплює [Лекцію 11 — Пошук асоціативних правил](../../Lectures/DA-L11.md).
Уся потрібна теорія повторена в самодостатньому вигляді в
[методичних вказівках](2method.md).