[데이터마이닝] 14강. 연관성 분석 쉽게 정리

데이터마이닝 14강 — 연관성 분석 쉽게 정리

안녕하세요! 이번 포스팅에서는 연관성 분석(Association Analysis) 내용을 초보자분도 이해할 수 있도록 풀어 정리해보겠습니다.
특히 장바구니 분석(Market Basket Analysis)에서 많이 활용되는 분석기법으로, 품목 간의 구매 패턴을 찾고 마케팅 전략을 세울 때 아주 유용합니다.

---

1. 연관성 분석이란?

연관성 분석이란 하나의 사건 또는 품목이 발생했을 때, 다른 사건이나 품목이 얼마나 자주 동시에 발생하는지 분석하는 방법입니다.
쉽게 말해, 어떤 고객이 A를 샀을 때 B도 함께 사는지를 확인하는 거죠.

예:

• ‘쌀을 산 고객이 상추를 살 확률’

• ‘맥주와 과자가 함께 팔리는 빈도’

자율학습(Unsupervised Learning)의 한 종류로, 목표변수 없이 변수 간의 조합으로 관계를 찾습니다.

2. 연관성 분석 지표 정리

연관성 분석에서는 대표적으로 3가지 지표를 사용합니다.

(1) 지지율(Support)

전체 거래 중 A와 B가 동시에 포함된 거래의 비율

$$지지율 = \frac{\text{A와 B를 모두 구매한 거래 수}}{\text{전체 거래 수}}$$​

예) 전체 100건 중 A와 B가 함께 팔린 경우가 5건이면

$$5\% (0.05)$$

특징: 너무 적으면 통계적으로 의미 없는 규칙일 수 있음

(2) 신뢰도(Confidence)

A를 구매한 거래 중, B가 함께 구매된 비율

$$신뢰도 = \frac{\text{A와 B를 모두 구매한 거래 수}}{\text{A를 구매한 거래 수}}$$

조건부 확률로,

$$P(B|A)$$

의 개념

주의: ‘A → B’와 ‘B → A’의 신뢰도 값은 다름

(3) 향상도(Lift)

신뢰도가 우연히 발생한 것이 아닌지 판단하기 위한 지표
연관규칙이 없을 때의 기대값과 비교하여 관계의 강도를 확인

$$향상도 = \frac{신뢰도}{\text{전체 거래 중 B의 비율}}$$

혹은

$$\frac{P(A \cap B)}{P(A) \times P(B)}$$​

• 1보다 크면 A와 B가 양의 상관관계

• 1이면 독립

• 1보다 작으면 음의 상관관계

3. 연관성 분석의 절차

① 품목과 분석 수준 결정

품목의 수가 너무 많으면 연관규칙 수가 폭발적으로 증가하므로, 의미 있는 품목군으로 정리

② 연관규칙 생성

지지율과 신뢰도의 하한값을 정하고 규칙을 생성.
시차 연관성분석도 가능 (구매 순서 고려)

③ 유용한 규칙 선정 및 해석

향상도까지 확인해 우연한 관계인지 아닌지 판단하고, 의미 있는 규칙만 선택

4. 연관성 분석의 장단점

---

객관식 문제

1. 연관규칙 ‘A→B’에서 A를 구매했을 때 B가 구매될 확률은?
① 지지율
② 신뢰도
③ 향상도
④ 조건부 확률

정답: ②
해설: 신뢰도는 A가 발생했을 때 B가 발생할 조건부 확률입니다.

2. 향상도 값이 1보다 크면 어떤 의미인가?
① A와 B가 독립적이다
② A가 B의 발생 가능성을 높인다
③ A와 B는 음의 상관관계
④ 의미 없는 관계다

정답: ②
해설: 향상도가 1보다 크면 양의 상관관계를 의미합니다.

3. 연관성분석의 대표적인 활용 분야로 올바른 것은?
① 고객군집
② 장바구니 분석
③ 이상치 탐지
④ 회귀분석

정답: ②
해설: 연관성분석은 주로 장바구니 분석(Market Basket Analysis)에 활용됩니다.