연관 규칙

1. Useful Result

마케팅 전략상 유용한 결과가 나온 경우

ex) 주말을 위해, 목요일 소매점에 기저귀를 사러 온 아빠들은 맥주도 함께 구매 -> 주말에 football을 보면서 마심

2. Trivial Result

기존의 마케팅 전략에 의해 연관성이 높게 나온 경우

ex) 정비 계약을 맺은 소비자들은 많은 설비를 구매 -> 정비 계약은 대개의 경우 따로 맺어지는 것이 아니라, 많은 설비 구입시 함께 제시

3. Inexplicable Result

의미를 발견하기 위해 많은 고민이 필요한 경우

ex) 새로 철물점을 개업하면, 대개 화장실 문고리를 많이 구매 -> 어떤 의미가 있는지 고민 필요

2. 연관성 규칙 생성 과정

1단계 : 지지도(support)

빈발(frequent) 항목 집합들에 기초하여 후보 규칙들의 집합 결정

단일 항목 집합, 2개 항목집합, 3개 항목집합

통계적 유의성 ( statistic significance)

전체적인 거래 규모에 대한 값

값이 클수록 자주 발생하는 거래 ( 한 항목 거래 건수 / 총 항목 거래 건수)

지지도에 의해 결정

대표 알고리즘 : apriori 알고리즘

-> A와 B가 동시에 장바구니에 담길 확률 = support

* ariori 알고리즘 원리

* ariori 알고리즘 설명

• Database를 통해 모든 항목을 포함한 집합군 검색 {A, B, C, D, E}
• 앞의 표에서 최소지지도 2
• 단일항목 지지도 계산 -> L1에서 {D} 제거
• {D} 를 제외한 2개 항목 집합군을 생성한 후 지지도 계산 -> L2에서 {A, B}, {A, E} 제거
• 3개 항목 집합군 생성 -> {A, B, C}, {A, B, E}, {A, C, E} 는 {A, B} = 1, {A, C} = 1, {A,E} = 1 이므로 후보군에서 제외

2단계 : 신뢰도 (confidence)

규칙의 불확실성을 평가하기 위해서 신뢰도 사용

연관 규칙의 강도 ( rule strength )

선행항목 A를 포함하는 거래 중에서 후행항목 B가 포함된 거래의 비율

A를 구매한 경우, 이 중에서 얼마나 항목 B를 구매할 것인지를 의미

값이 클수록 A 구매시 B 구매율이 높음

최소 기준 신뢰도 값을 설정

-> A가 구매됬을 때 B를 구매하면 어떤 연관성이 있을까 = confidence

3단계 : 향상도 (lift)

상대적 관련성은 실제 거래 발생 확률을 각 아이템의 거래가 독립적일 경우에 비해 그 거래가 동시에 발생할 예상기대확률로 나눈것

항목 B가 임의로 구매될 확률에 비해 항목 A를 구매한 후에 항목 B를 구매할 확률의 비율

항목 A와 B의 구매 패턴이 독립적인지, 서로 상관성이 있는지 파악

향상도 > 1

향상도 : 임의로 조합된 규칙과의 비교를 통해 해당 규칙이 얼마나 실제적인 연관성을 가지고 있는지 파악

Lift (A=>B) = c (A=>B) / s (A=>B)

​ = 항목 A가 구매된 이후 항목 B가 구매될 확률 / 항목 B가 구매될 확률

Lift	의미	예
<1	두 품목이 서로 음의 상관관계	지사제와 변비약
1	두 품목이 서로 독립적인 관계	과자와 후추
>1	두 품목이 서로 양의 상관관계	빵과 버터

의미 파악

연관규칙

{맥주 -> 콜라} : 지지도 = 50 , 신뢰도 = 1.00 향상도 1.50

지지도 : 맥주와 콜라를 동시에 구매한 사람은 전체 구매 중 절반이다. (50%)

신뢰도 : 맥주를 구매한 사람들은 모두 콜라도 같이 구매한다.(100%)

향상도 : 맥주 구매 시 콜라를 구매하게 될 가능성은 그냥 콜라를 구매할 때보다 1.5배나 높아진다.

2. 고려사항

• 신뢰도 값이 크면 좋지만 신뢰도가 크다고 최선의 연관성 규칙이라고 볼 수는 없음
  • 두 항목의 기본적인 구매율이 어느 정도 수준이 되어야만 의미가 있음
  • 즉, 지지도가 어느 정도 수준에 도달해야만 한다.

• 신뢰도와 지지도는 자주 구매되는 항목에 대해서는 연관성 때문이 아니라 우연히 높게 나올 수도 있음
  • Lift 확인

• 신뢰도가 높을 경우에는 X => Y 에서 항목 Y의 확률이 커야지 이 연관성 규칙이 의미가 있음
  • Lifit 값이 1보다 커야 유용한 정보가 됨

3. 연관 규칙 장점과 단점

1. 장점

• 수 많은 품목 간에 유의한 연관성을 갖는 구매 패턴을 찾아주고, 이를 바탕으로 또 다른 연구 가설을 탐지할 수 있는 가능성 제공
• 자료구조와 계산과정이 간단하며, 결과가 명확하고 이해하기 쉬움
• 사전에 특별한 분석 방향이나 목적이 없는 경우, 비 목적성 데이터 마이닝 분석기법으로 매우 효과적임

2. 단점

• 연관 규칙에서 얻어지는 결과가 상당히 많기 때문에 실무적인 활용도가 떨어질 수 있음
• 항목의 수를 결정하기 어려움ㄴ
• 드물게 발생하는 항목에 대해서 처리가 어려움
• DBMS 등과 같은 전산화 작업이 없을 시는 동일한 거래를 추적하기가 어려움
• 항목의 수가 증가하면 계산시간이 급격히 증가