ADsP 연관규칙

 

연관규칙 association rule

항목들간의 조건-결과 if-then 식으로 표현되는 유용한 패턴

이러한 패턴, 규칙을 발견해내는 것을 연관분석이라 함

흔히 장바구니 분석이라고 함

대용량 데이터 베이스에서 변수들 사이의 흥미로운 관계를 탐색하기 위해 고안된 방법

마케팅과 웹 마이닝 등 분야에서 사용

 

연관규칙 적용 예

맥주 구매는 과자 구매로 이어지는 경우가 많습니다. 남성이 금요일에 맥주를 구매할 때 소주를 같이 사는 경우가 많습니다. 맥주는 과자코너 다음에 배치하고 맥주와 소주는 동일한 위치에 배치합시다.

 

연관규칙 측정지표(반드시 출제)

- 지지도 support : 상품 A 와 상품 B 를 동시에 구매할 확률 P(A∩B) 를 나타냄.

상품 A 와 B 가 동시에 포함된 거래수 / 전체 거래수

- 신뢰도 confidence : 상품 A 가 구매되었을 때, 상품 B 가 구매될 확률 P(B|A) 를 나타냄

P(B|A) = P(A∩B) / P(A)

상품 A 와 B 가 동시에 포함된 거래수 / A를 포함하는 거래수

- 향상도 lift : 상품 A 를 구매한 사람이 B 를 구매할 확률과 A 의 구매와 상관없이 B 를 구매할 확률의 비율

P(B|A) / P(B) = P(A∩B) / P(A)P(B)

상품 A 와 B 가 동시에 포함된 거래수 / A 를 포함하는 거래수 x B 를 포함하는 거래수

 

- 향상도에서 만약 A 와 B 가 독립이라면

P(A∩B) 가 P(A)xP(B)

lift = P(A)xP(B) / P(A)xP(B) = 1 즉 향상도는 1이 된다.

A 와 B 가 관련성이 없다면 lift = 1 이 되고

lift > 1 이면 lift 값이 클수록 관련도가 높다.

lift <1 이면 오히려 A 를 구매한 사람은 B 를 구매하지 않는다는 결론이 나온다.

 

Apriori 알고리즘 분석절차

- 최소지지도를 설정

- 개별품목 중에서 최소지지도를 넘는 모든 품목을 찾음

- 찾은 개별 품목만을 이용하여 최소지지도를 넘는 두 가지 품목 집합을 찾음

- 찾은 품목 집합을 결합하여 최소지지도를 넘는 세 가지 품목 집합을 찾음

- 반복적으로 수행하여 최소지지도가 넘는 빈발품목을 찾음

 

연관규칙 장단점

 

장점

- 결과가 분명하다 if-then 규칙

- 거대 자료의 분석의 시작으로 적합함

- 변수의 개수가 많은 경우세 쉽게 사용될 수 있다.

- 계산이 용이하다

 

단점

- 품목 수의 증가에 따라 계사량이 폭증함

- 자료의 속성에 제한이 있다. 예를 들어 구매자의 개인정보 중 나이 등의 연속형 변수를 사용할 수 없다.

- 적절한 품목을 결정하기가 어렵다

- 거래가 드문 품목에 대한 정보를 찾기가 어렵다.