تکنیک های داده کاوی، استخراج الگو از بانک های اطلاعاتی بزرگ، در دنیای امروزی فراگیر شده است. با استفاده از این تکنیک ها قوانین بسیار زیاد و متفاوتی حاصل خواهد شد اما حداقل تا حدودی به دلیل محدودیت در بودجه و یا منابع، فقط تعداد اندکی از این قوانین ممکن است برای پیاده سازی و اجرایی شدن انتخاب شوند. لذا در داده کاوی ارزیابی و رتبه بندی میزان جذابیت یا مفید بودن قوانین استخراج شده بسیار اهمیت دارد. یکی از اهداف داده کاوی تولید قوانین جذاب با درنظر گرفتن تمام و یابرخی از نقطه نظرات متخصصان همان زمینه می باشد. لذا به منظور ارزیابی هر چه سودمندتر قوانین در هر حیطه ای می توان از دانش زمینه مورد نظر نیز به عنوان یک یا چند کمیت متفاوت در قالب یک مجموعه همکار استفاده کرد و سپس قوانین را ارزیابی کرد. نخست به معرفی داده کاوی و در بین تکنیکهای موجود داده کاوی به شرح روش های استخراج قوانین همبستگی خواهیم پرداخت و روش تحلیل پوششی داده ها را به عنوان یک ابزار کلیدی برای ارزیابی میزان کارامدی قوانین با توجه به چند معیار و ملاک متفاوت معرفی خواهیم کرد و با بهره از یک مدل تحلیل پوششی داده به ارزیابی قوانین خواهیم پرداخت تا مجموعه قوانین کارامد (قوی) معرفی گردند. برای تمایز بیشتر در بین مجموعه قوانین کارآمد معرفی شده، یک مدل خطی جدید ارائه می شود.