Die Assoziationsanalyse ist innerhalb des Data Mining eine sehr populäre Methode zur Gewinnung
von Wissen aus großen Datenmengen. Ihr Ziel ist die Gewinnung von wenn-dann-Regeln zwischen
verschiedenen Objekten. Eine solche Regel bedeutet z.B. bei der Warenkorbanalyse dass ein
bestimmter Artikel häufig gekauft wird wenn auch ein anderer Artikel häufig gekauft wird. Über
die Zeit sind viele Maße zur Messung dieser Assoziation vorgeschlagen worden. Es fehlt im Data
Mining jedoch an einer allgemeinen Definition wünschenswerter Eigenschaften für
Assoziationsmaße. Eine solche Definition erlaubt aber erst den Vergleich verschiedener Maße
unabhängig von konkreten Daten. In dieser Arbeit werden Ergebnisse aus früheren Arbeiten zu
Assoziations- und Korrelationsmaßen als Grundlage für die Entwicklung einer Axiomatisierung für
Maße in der Assoziationsanalyse genutzt. Die im Data Mining verwendeten Maße werden vorgestellt
und auf die Erfüllung der neu definierten Eigenschaften hin untersucht. So werden die Maße im
Hinblick auf ihre Anwendung in der Assoziationsnalyse fundiert. Mit Hilfe von Testdatenbanken
wird untersucht in wie fern sich die Erfüllung oder Nicht-Erfüllung der Eigenschaften in den
Ergebnissen von Assoziationsanalysen niederschlägt. Dazu wird eine Reihe von sowohl
qualitativen als auch quantitativen Beobachtungen verglichen. Es zeigt sich dass sehr viele
der in der Praxis verwendeten Assoziationsmaße einer theoretischen Untersuchung nicht
standhalten.
