[mis, 경영정보시스템] Association Rule(연관성규칙)
![[mis, 경영정보시스템] Association Rule(연관성규칙)-1](http://images.happyhaksul.com/thumb/348/347155-0001.gif)
![[mis, 경영정보시스템] Association Rule(연관성규칙)-2](http://images.happyhaksul.com/thumb/348/347155-0002.gif)
![[mis, 경영정보시스템] Association Rule(연관성규칙)-3](http://images.happyhaksul.com/thumb/348/347155-0003.gif)
![[mis, 경영정보시스템] Association Rule(연관성규칙)-4](http://images.happyhaksul.com/thumb/348/347155-0004.gif)
분야
hwp2. 연관성규칙의 원리 및 분석 방법
3. 연관성규칙의 장점과 단점
4. 연관성규칙의 응용분야
- "특정의 아이템집합에서 특정 아이템의 거래가 발생하면 다른 특정 아이템집합의 특정아이템의 거래가 발생하는 현상" 연관성(assoociation) 이라고 하고 이러한 현상을 발견하고자하는 분석을 데이터 마이닝(data mining)기법에서 연관성 분석(association analysis) 또는 연관성규칙 발견 분석(association rule analysis)이라고 한다. 이러한 연관성 규칙 현상을 특히 "(item set A:조건) ⇒ (item set B:결과)" 또는 "if A, then B" , "A ⇒ B"라고 표현한다. 연관성분석은 통계학에서 말하는 상관관계 분석(correlation)과는 차이가 있는 것으로 보인다. 즉, 데이터 마이닝(data mining)에서 "연관성(association)이라고 하는 것은 특정제품의 동시구매현상 또는 특정사건의 동시발생현상(concurrence)을 의미하는 것이기 때문이다.
2. 연관성규칙의 원리 및 분석 방법
1) 지지도
- 먼저 의미 있는 연관성의 판단을 위해서는 전체 자료에서 관련성이 있다고 판단되는 품목들을 포함하고 있는 거래나 사건의 확률을 살펴보아야 한다. 이러한 확률을 지지도(Support)라고 하며 규칙'A ⇒ B'(A를 구입하면 B도 구입한다)의 지지도는 다음과 같이 구해진다.
2) 신뢰도
- 지지도는 두 품목의 구매가 얼마나 자주 일어났는가를 측정하는 것이지만, 이보다 더 중요한 질문은 품목 A를 구매하였을 경우 품목 B를 구매하는 가능성은 얼마인가에 대한 것이다. 이러한 개념에서 신뢰도(Confidence)는 품목 A가 구매되었을 때 품목 B가 추가로 구매될 확률인 조건부 확률로서 다음과 같이 계산됨
3) 향상도
- 항목 A를 구매한 경우 그 거래가 항목 B를 포함하는 경우와 항목 B가 임의로 구매되는 경우의 비( 비율이 크면 클수록 A,B 관련성 증가)
향상도의 값이 1에 가까울 경우 : 두 품목은 독립에 가까운 사건이다.
향상도의 값이 1보다 클 경우 : 두 품목이 양의 연관관계이다.
향상도의 값이 1보다 작을 경우 : 두 품목이 음의 연관관계이다.
→ 의미 있는 연관성 규칙이 되기 위해선 향상도 값이 1 이상이어야 한다.
