[3과목] 5장 6절 연관분석

연관분석이란?

연관분석의 측도

연관규칙의 장단점

R 프로그래밍

 

연관규칙

연관 분석 = 장바구니 분석 = 서열 분석

"기업의 데이터베이스에서 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 규칙을 발견하기 위해"

 

If A then B : 만일 A가 일어나면 B가 일어난다.

 

연관규칙의 측도

1) 지지도 Support : 전체 거래 중 항목 A,B 동시에 포함하는 거래의 비율 

2) 신뢰도 Confidence : 항목 A를 포함한 거래중 항목 A,B가 같이 포함될 활률 -> 지지도/ P(A)

3) 향상도 Lift : A가 구매되지 않았을 때 품목 B의 구매확률에 비해 A가 구매됐을 때 품목 B의 구매확률의 증가 비

서로 관련이 없을 경우엔 향상도 = 1 -> A,B 동시에 포함된 거래수 / A포함 거래수 X B포함 거래수

 

연관규칙의 절차

최소 지지도 결정 -> 품목 중 최소 지지도 넘는 품목 분류 -> 2가지 품목 집합 생성 -> 반복

 

연관규칙의 장점

결과 쉽게 이해할 수 있다.

목적이 없는 경우 유용하게 사용할 수 있다. (목적변수 없음)

데이터 변환없이 그자체로 이용할 수 있는 간단한 자료구조 형태

분석을 위한 계산이 간단.

 

연관규칙의 단점

품목수가 늘어나면 필요한 계산이 늘어남 -> 유사 품목을 한 범주로, 의미가 적은 연관규칙은 제외

너무 세분화 되어있으면 연관규칙 찾는게 의미없음 -> 적절히 큰점주로 구분

거래량이 적은 품목은 거래수가 작아 제외하기 쉬움

 

순차 패턴

동시에 구매될 가능성이 큰 상품군을 찾아내는 연관성 =분석에 시간이라는 개념을 포함시켜 순차적으로 구매가능성이 큰 상품군을 찾아내는 것

 

연관성분석 알고리즘

1) Aprori 알고리즘 : 최소 지지도 이상의 빈발항목집합을 찾은 후 그것에 대해서만 계사

2) FP-Growth 알고리즘 : 후보 빈발항목집합을 생성하지않고, FP-Tree를 만든 후 더 빠르게 빈발항목집합을 추출

 

R프로그래밍 예제

data(Groceries)

inspect(Groceries[1:3])

apriori(Groceries,parameter = list(support=0.01, confidence =0.3))

 

규칙의 수가 너무 적으면 지지도와 신뢰도를 낮추고, 너무 많으면 지지도와 신뢰도를 높여야 한다.