[Data Science] 연관분석

연관규칙분석

 

연관성 분석은 흔히 장바구니 분석 또는 서열 분석이라고도 함 기업의 데이터베이스에서 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 규칙을 발견하기 위해 적용 장바구니 분석 장바구니에 무엇이 같이 들어 있는지에 대한 분석 서열 분석 A를 산 다음에 B를 산다. 상품 배치

 

연관규칙의 형태

 

조건과 반응의 형태 (if-then)로 이루어짐 if A then B 만일 A가 일어나면 B가 일어난다. 아메리카노를 마시는 손님 중 10%가 브라우니를 먹는다. 샌드위치를 먹는 고객의 30%가 탄산수를 함께 마신다.

 

연관규칙의 측도

 

산업의 특성에 따라 지지도, 신뢰도, 향상도 값을 잘 보고 규칙을 선택 지지도 전체 거래 중 항목 A와 항목 B를 동시에 포함하는 거래의 비율 지지도 = A와 B가 동시에 포함된 거래수/전체 거래수 신뢰도 항목 A를 포함하는 거래 중에서 항목 A와 항목 B가 같이 포함될 확률 연관성의 정도 신뢰도 = A,B가 동시에 포함된 거래수/A를 포함하는 거래수 향상도 A가 구매되지 않았을 때 품목 B의 구매확률에 비해 A가 구매됐을 때 품목 B의 구매확률의 증가 비 연관규칙 A->B는 품목 A와 품목 B의 구매가 서로 관련이 없는 경우에 향상도가 1이 됨 향상도 = A,B동시구매/A구매*B구매

 

연관규칙의 절차

 

최소 지지도보다 큰 집합만을 대상으로 높은 지지도를 갖는 품목 집합을 찾는 것 처음에는 5%로 잡고 규칙이 충분히 도출되는지를 보고 다양하게 조절 절차 최소지지도 결정 품목 중 최소 지지도를 넘는 품목 분류 2가지 품목 집합 생성 반복적으로 수행해 빈발품목 집합을 찾음

 

순차패턴

 

동시에 구매될 가능성이 큰 상품군을 찾아내는 연관성분석에 시간이라는 개념을 포함시켜 순차적으로 구매 가능성이 큰 상품군을 찾아낸는 것 구매 시점에 대한 정보가 포함되어 있음

 

연관성 분석 알고리즘

 

1세대 알고리즘인 Apriori나 2세대인 FP-Growth에서 발전하여 3세대 FPV를 이용해 메모리를 효율적으로 사용함으로써 SKU 레벨의 연관성분석을 성공적으로 적용 1세대: Apriori 2세대: FP-Growth 3세대: FPV 모든 가능한 품목 부분집합의 개수를 줄이는 방식으로 작동하는 것이 Apriori 알고리즘이며 거래내역 안에 포함된 품목의 개수를 줄요 비교하는 횟수를 줄이는 방식으로 작동하는 것이 FP-Growth 알고리즘 Apriori 알고리즘 최소 지지도이상의 빈발항목집합을 찾은 후 그것들에 대해서만 연관규칙을 계산 FP-Growth 알고리즘 후보 빈발항목 집합을 생성하지 않고 FP-Tree를 만든 후 분할정복 방식을 통해 사용

 

https://wikidocs.net/48117

3.4.6.연관분석