연관성 분석

연관성 분석 - 데이터 마이닝

대규모 데이터베이스의 트랜잭션 기록에서 항목 간의 의미있는 규칙이나 종속 관계를 발견하는 비지도 학습 기반 데이터 마이닝 기법 지지도, 신뢰도, 향상도, Apriori, FP-Growth, Eclat, Pruning, Transaction DB

---

1. 대규모 데이터 속 숨겨진 패턴 탐색, 연관성 분석

• 정의: 데이터 안에 항목들간의 조건 - 결과식으로 표현되는 유용한 패턴들을 나타내는 연관 규칙(Association Rule)을 찾는 분석 기법
• 특징: 비즈니스 통찰력 제공, 조건부 확률기반, 결과 해석의 용이성, 지지도 - 작성중, 신뢰도, 향상도

---

2. 연관성 분석의 동작 페커니즘 및 핵심 기술 요소

가. 연관성 분석의 동작원리 및 단계

graph TD
    subgraph Assoc["연관 규칙 학습 과정"]
        Start(Transaction Data) --> Step1
        
        Step1[1. 빈번 항목 집합 추출]
        Algo1["Apriori, FP-Growth"]

        Step1 --- Algo1
        
        Step1 --> Step2

        Step2[2. 연관 규칙 생성]
        Desc1["X -> Y 형태의 룰 확정"]

        Step2 --- Desc1
        
        Step2 --> Step3

        Step3[3. 규칙 평가 및 유효성 검증]
        Filter1["Lift > 1 인 규칙 선별"]
        
        Step3 --- Filter1
    end

• 지지도, 신뢰도, 향상도 기반 연관성 분석 수행

나. 연관성 분석의 핵심 기술 지표

구분	키워드	설명
핵심 지표	• 지지도	• $P(A\cap B)$, 가지치기 기준
핵심 지표	• 신뢰도	• $P(B|A)$, 규칙의 강도
핵심 지표	• 향상도	• $P(A\cap B)/(P(A)P(B))$
알고리즘	• Apriori	• 모든 부분집합의 합산
알고리즘	• FP-Growth	• DB 스캔 횟수 2회
알고리즘	• Eclat	• 빈발 항목 탐색
최적화	• Pruning	• 가지치기를 통한 효율화
데이터구조	• Transaction DB	• 행렬 형태로 변환

• 빈발 규칙과 비빈발 규칙은 지지도 기준선 설정

---

Ⅲ. 유사 기술 비교 및 향후 전망

가. 연관성 분석과 협업 필터링 비교

비교 항목	연관성 분석	협업 필터링
분석 대상	항목 간의 동시출현 패턴	사용자 패턴 유사성
데이터 형태	구매 영수증	사용자-평점 행렬
주요 목적	상품 배치, 묶음 판매	개인화 상품 추천
한계점	항목 수 늘어나면 힘듦 (연산량 증가)	콜드스타트 문제 발생

나. 최신 동향 및 전망

• 시계열 분석과의 결합, 딥러닝 기반 연관 추출, 실시간 엔진 적용