Nội dung của một mụ hỡnh kờ́t hợp được hiển thị trong hỡnh. Cú ba cấp độ: Cấp cao nhất cú một nỳt duy nhất đại diện cho mụ hỡnh.
Cấp độ thứ hai cú chứa cỏc nỳt đại diện cho cỏc tập mặt hàng với đụ̣ hỗ trợ kết hợp của chúng. Tập hàng (rowsets) phõn phối của cỏc nỳt tập mặt hàng cú chứa thụng tin chi tiết về cỏc tập mặt hàng, với mỗi hàng đại diện cho một mặt hàng riờng lẻ. Cấp độ thứ ba cú chứa cỏc nỳt đại diện cỏc quy tắc đủ điều kiện. Cha của cỏc nỳt
quy tắc là tập mặt hàng đại diện cho cỏc mục phớa bờn trỏi của một quy tắc. Phớa bờn phải của một quy tắc luụn luụn cú một mục duy nhất, được lưu trữ trong tập hàng phõn phối.
Giải thớch mụ hỡnh
Kết quả của Microsoft Association Rules thể hiện trong Tab Mining Models Viewer bởi 3 nội dung chớnh là Itemsets, Rules, và Dependency Net.
Itemsets: hiển thị cỏc tập mặt hàngđược khỏm phỏ bởi cỏc thuật toỏn kết hợp. Phần
chớnh của màn hỡnh hiển thị danh sỏch cỏctập mặt hàng cựng Support (độ hỗ trợ của luật kết hợp) và Size (Số items trong Itemsets) của chỳng.
nếuMinimum_Support được thiết lậpquỏ thấp, cú thể cú rất nhiều tập mặt hàng. Một số danh sỏch thả xuống để cho phộp bạn lọc cỏc tập mặt hàng dựa trờn hỗ trợ và kớch thước tập mặt hàng. Bạn cũng cú thể sử dụng cỏc Filter itemset để lọc cỏc tập mặt hàng. Ví dụ : để hiển thị cỏc Itemsets cú chứa một item nào đú (vớ dụ mẫu xe Mountain-200) thỡ nhập Mountain-200 trong ụ Filter Itemset.
Hỡnh trờn với Itemsets cú Support là 710 gồm 2 items đú là Mountain-200 và Sport-100 cú nghĩa là trong tất cả cỏc giao dịch thỡ cú 710 giao dịch trong đú khỏch hàng mua loại xe Mountain-200 thỡ cũng mua loại xe Sport-100.
Rules Tab: Phần này trỡnh bày cỏc luật kết hợp được phỏt hiện bởi mụ hỡnh. Nú
hiển thịtất cả cỏc quy tắc đủ điều kiện,xỏc suất của chỳng, và điểm số tớnh hữu dụng của chỳng. Tương tự như cỏc tab tập mặt hàng, cỏc tab Rules chứa một số danh sỏch thả xuốngvà cỏc tập tin văn bản cho cỏc quy tắc lọc.
Cỏc thụng tin về luật kết hợp bao gồm:
• Probability: Cho biết xỏc suất xảy ra của luật.
• Importance: Đo lường tớnh hữu dụng của luật, giỏ trị này càng cao thỡ luật kết hợp càng tốt.
Cỏc luật này cho biết sự kết hợp giữa cỏc items trong cở sở dữ liệu giao dịch. Chẳn hạn luật kết hợp thứ 2 cho bạn biết rằng nếu một khỏch hàng nào đú mua cỏc sản phẩm là xe đẹp model Mountain-200 và Water Bottle thỡ người đú luụn mua sản phẩm Mountain Bottle Cage với xỏc suất 100%.
Dependency Net (Mạng phụ thuộc):
Sử dụng Dependency Net cho phộp bạn hiểu được sự tỏc động của cỏc items khỏc nhau trong Model. Mỗi Node trong Dependency Net thể hiện một Item, bằng cỏch chọn một item bạn sẽ thấy được cỏc items khỏc được xỏc định bởi Item đó chọn (hoặc dựng để xỏc định Item đó chọn) trong model.
Trong Dependency Net, nếu chọn Node Mountain bottle Cage ta sẽ thấy rằng Item Mountain bottle Cage cú thể được dự đoỏn bởi 2 items khỏc đú là water bottle và Mountain-200 hoặc Mountain bottle Cage được dựng để dự đoỏn 2 Items water bottle và Mountain-200.
Điều này cú nghĩa là những sản phẩm này cú khả năng được mua cựng nhau. Nếu khỏch hàng nào đú mua xe đạp thỡ cú khả năng họ mua kẹp để bỡnh đựng nước và bỡnh đựng nước. Cỏc thụng tin này cú thể giỳp cho bộ phận bỏn hàng đặt cỏc sản phẩm cú khả năng mua cựng nhau cạnh nhau để giỳp cho khỏch hàng khỏi mất cụng tỡm kiếm cũng như xõy dựng cỏc chiến lược marketing hiệu quả.