ADsP 3과목 5-6 연관 분석 | 정리📝

연관분석

• 제품별 거래 빈도표를 통해 규칙을 찾는데서 시작함
• 시차 연관분석은 시간이 지남에 따라 어떤 소비형태를 보이는가에 대한 분석으로
  원인과 결과의 형태로 해석이 가능해서 결과가 더 유용하게 쓰임

 

연관규칙(Association Rule)

• 조건과 반응의 형태(if-then)로 결과 이해 쉬움
• 목적변수가 없어 분석 방향이나 목적 없이도 적용 가능함
• 너무 세분화된 품목은 의미없는 결과를 도출함
• 실시간 상품추천을 통한 교차판매 등에 활용 가능함

장점

• 분석 방향이나 목적이 특별히 없는 경우 목적변수가 없으므로 유용함
• 거래 내용에 대한 데이터를 변환 없이 그 자체로 이용할 수 있는 간단한 자료구조를 갖는 분석 방법임
• 계산이 간단함
• 결과이해 쉬움

단점

• 품목 수가 증가하면 분석에 필요한 계산이 기하급수적으로 증가함
• 거래량이 적은 품목은 당연히 규칙 발견에 제외되기 쉬움
• 연관분석 결과로는 품목 간 구체적인 영향을 알 수 없음

 

연관규칙의 측도

• 지지도(Support): 전체 거래 중 품목 A, B를 동시에 포함하는 거래의 비율
  = $\frac{P(A\cap B)}{P(ALL)}$
• 신뢰도(Confidence): A를 포함한 거래 중 A, B가 같이 포함된 확률은 어느 정도인가를 나타내주는 연관성의 정도
  = $P(B|A) = \frac {지지도}{P(A)}$
• 향상도(Lift): A가 주어지지 않았을 때 품목 B의 확률에 비해 A가 주어졌을 때 품목 B의 확률 증가 비율
  = $A→B,\ \ \frac {P(B|A)}{P(B)} = \frac {P(A\cap B)}{P(A)P(B)} = \frac {신뢰도}{P(B)}$

 

Apriori 알고리즘

최소 지지도 보다 큰 반발항목 집합에서 높은 측도(신뢰도, 향상도) 값을 갖는 연관규칙을 구하는 방법

1. 최소 지지도를 설정하고
2. 개별 품목 중 최소 지지도가 넘는 모든 품목을 찾음
3. 개별 품목만으로 최소 지지도가 넘는 2가지 품목을 찾고
4. 이것들을 결합해 3가지 품목 집합을 찾으며 반복해 빈발품목집합을 찾음

• inspect( ): apriori( ) 함수를 활용해 생성한 연관규칙을 보기 위해 사용하는 함수