یک رویکرد جدید مبتنی بر تحلیل پوششی داده‌ها با مرز دوگانه برای رتبه‌بندی قواعد کشف شده از داده‌کاوی

تحلیل پوششی داده‌ها (dea) یک رویکرد نسبتاً جدید با ماهیت داده‌ای برای ارزیابی عملکرد مجموعه‌ای از موجودیت‌های همتا به نام واحدهای تصمیم‌گیری (dmuها) است که چندین ورودی را به چندین خروجی تبدیل می‌کنند. dea در دوره‌ی زمانی نسبتاً محدودی تبدیل به ابزار کمّی و تحلیلی قدرتمندی برای اندازه‌گیری و ارزیابی عملکرد شده است. در مقاله‌ای به قلم طلوع و همکاران [5]، آنها یک مدل deaی جدید برای پیدا کردن کارآترین قاعده‌ی ارتباطی در داده‌کاوی پیشنهاد کردند. آنگاه، با استفاده از این مدل، آلگوریتمی برای رتبه‌بندی قواعد ارتباطی با در نظر گرفتن معیارهای متعدد ایجاد کردند. در این مقاله، ما نشان می‌دهیم که مدل آنها تنها یک قاعده‌ی ارتباطی کارآی خوشبینانه را به طور شانسی انتخاب می‌کند و کاملاً وابسته به روش حل یا برنامه‌ی نرم‌افزاری است که برای حل مسئله استفاده می‌شود. به علاوه، نشان داده می‌شود که آلگوریتم پیشنهادی آنها تنها می‌تواند قواعد کارآی خوشبینانه را به طور تصادفی رتبه‌بندی کند، و قادر به رتبه‌بندی dmuهای غیرکارآی خوشبینانه نیست. همچنین، به معایب دیگری در این مقاله، اشاره می‌کنیم و رویکرد جدید «dea با مرز دوگانه» را برای ایجاد یک رتبه‌بندی کامل قواعد ارتباطی پیشنهاد می‌کنیم. یک مثال عددی برخی از محتویات مقاله را توضیح خواهد داد.