Br) ML - 연관규칙 분석

※ 본 내용은 Load 함수 블럭에서 association_rules_mart.csv 파일을 불러온 후에 진행한다.
※ association_rules_mart.csv 다운받기 [클릭]

개요

추천시스템의 여러 이론 중에서 연관규칙 분석은 특정 사용자의 선택 데이터를 기반으로 어떤 규칙이 있는지 알아보는 방법이다. 동시에 복수의 선택을 한 것을 기반으로 할 수도 있고 순차적으로 선택한 결과를 하나의 쌍으로 묶어 이를 기반으로 분석할 수 있다. 보통 이 것을 사용자의 구매 데이터(거래 데이터, transaction data)를 기반으로 분석을 실시하기 때문에 장바구니 분석(Basket Analysis)이라는 별칭도 있다.

이론

향후 보충 예정

각종 지표

각 규칙을 평가하기위한 지표는 많다. 그 중 대표적인 세 가지 지표는 지지도(Support), 신뢰도(Confidence), 향상도(Lift) 이다.

지지도(Support)

신뢰도(Confidence)

향상도(Lift)

확신도(Conviction)

설정

Association Rule 블럭의 설정 창은 다음과 같다.

-Input Type: 입력 특성. 입력은 User - single item/User - multiple items/Array 중에서 선택할 수 있으며, 기본값은 User - single item이다.
-Item Columns: Input Type 설정을 User - multiple items으로 했을 때 나타나며, 구매 아이템 정보가 있는 변수를 지정
-User Column: Input Type 설정을 User - single items으로 했을 때 나타나며, 고객 정보가 있는 변수를 지정
-Item Column: Input Type 설정을 User - single items으로 했을 때 나타나며, 구매 아이템 정보가 있는 변수를 지정
-Min Support: 최소 지지도(Support) 기준
-Min Confidence: 최소 신뢰도(Confidence) 기준
-Min Lift: 최소 향상도(Lift) 기준
-Max Lift: 최대 향상도(Lift) 기준
-Min Conviction: 최소 확신도(Conviction) 기준
-Max Conviction: 최대 확신도(Conviction) 기준
-Group By: 특정 변수를 기준으로 연산을 별도로 실시

결과

데이터 중복 제거 후 사용자 고유 식별자(ID)와 구매 항목(Item) 변수를 각각 User Column과 Item Column 항목에 지정한 후 지지도와 신뢰도를 0.005로 설정하여 확인한 결과는 다음과 같다.