분야
hwp1. 요약
2. 도입
3. 배경
3.1 Attribute 삭제
3.2 attribute 선택 이유
3.3 attribute 2진화
4. 적용
4.1 계산 결과
4.2 weka 분석시스템을 이용
5. 결과 및 분석
6. 결론
7. 참조
4.1 계산 결과
Rule을 만들기 위해서는 frequent itemsets을 찾아야 한다. 그것을 찾기 위하려면 모든 룰들의 support와 confidence를 계산하여 그 값이 minsupport와 minconfidence값 보다 커야지 어느 정도 빈번한 아이템셋이라고 말할 수 있다. 그러나 모든 룰의 서포트와 컨피던스를 구하려면 180개의 룰을 계산을 해야 한다. 그렇기 때문에 이 계산을 줄이기 위한 방법인 Apriori principal을 적용하여 그 개수를 줄였다. 먼저 14개의 속성을 연관분석에 필요하다고 생각되는 속성만 추출하여 5개로 줄였다. 그 결과는 아래와 같다. 첫 번째로1-itemset을 만들고 1-itemset의 빈도수를 측정한다. 또한 최소지지도의 값을 3으로 정하고 1-itemset의 빈도수 중 3이 안되는 인터넷 사용시간, 여가활동 지출액은 제외한 후 2-itemset을 만든다. 다음으로 만들어진 2-itemset의 빈도수를 계산하여 그것이 최소지지도를 넘지 않는 것이 있으면 제외하고 3-itemset을 만들어야 한다. 하지만 아래 결과와 같이 2-itemset에서는 모두 최소지지도의 값보다 크기 때문에 제외할 것이 없고 모두 빈번하다고 생각하여도 무방하다. 2-itemset으로부터 3-itemset을 만들고 그것으로부터 규칙을 얻는다. 3-itemset역시 최소지지도인 3과 같으므로 빈번하다고 생각하여도 된다.
- Apriori principal적용 방법
TID
Items
1
구매수, 사이트
2
방문수, 사이트
3
인터넷시간, 구매수, 방문수, 사이트
4
구매수, 방문수, 사이트
5
인터넷시간, 여가활동비, 구매수, 방문수, 사이트
트랜젝션
Item
Count
{Number of Buy}
4
{Using internet time}
2
{Favorite Site}
5
{Visiting number of site}
5
{Spending money to enjoy}
1
Items (candidate 1-itemsets)
