매일매일 딥러닝

안녕하세요

오늘은 연관규칙 Apriori 알고리즘에 대해 알아보도록 하겠습니다!

Q1. Apriori 알고리즘 이란?

A1. 간단한 성능 측정치를 이용해 거대한 데이터베이스에서 데이터간의 연관성을 찾는 알고리즘

Q2. 그래서 어떤 패턴을 찾는데?

A2. 연관규칙은 장바구니 분석에 가장 많이 사용됩니다. 하지만 잠재적인 패턴을 찾을 때 또한 유용합니다.

예시: "기저귀를 살 때 맥주를 함께 산다"

그림출처: 사람과 디지털연구소

연관 규칙을 통해 맥주와 기저귀라는 별 상관없어 보이는 상품의 동시 구매 패턴을 발견하였습니다.

Q3. 굳이 왜 ML(머신러닝)으로 패턴을 찾아야해?

A3. k개의 아이템으로 2개씩 아이템을 묶어 연관패턴을 찾으려면 평가해야할 2^k개의 아이템 집합을 갖습니다.

만약 아이템이 100개면 2의 100승개의 아이템 집합이 생기므로 사람이 그 많은 데이터를 직접분석하기는 어렵습니다.

연관규칙에서 사용하는 두가지 통계척도

1. 지지도: 데이터에서 발생하는 빈도

count(x)
support(x) = ----------------------
N

2. 신뢰도: 예측능력이나 정확도의 측정치

                              support(x,y)
confidence(x -> y) = ------------------------------
                               support(x)

기저귀와 맥주의 예시 코드를 생성하여 연관규칙 알고리즘에 대해 알아봅시다!

# 1. 데이터 로드
x <- data.frame(
beer=c(0,1,1,1,0),
bread=c(1,1,0,1,1),
cola=c(0,0,1,0,1),
diapers=c(0,1,1,1,1),
eggs=c(0,1,0,0,0),
milk=c(1,0,1,1,1) )
# x 확인하기
x

# 2. arules 패키지를 설치한다. (apriori함수를 이용하기위해 설치)
# install.packages("arules")
library(arules)

trans <- as.matrix(x,"Transaction")
trans

# 3. apriori 함수를 이용해서 연관관계를 분석한다.
rules <- apriori(trans, parameter=list(supp=0.2, conf=0.6, target = "rules"))
rules

# support: 지지도, confidence:신뢰도, lift: 향상도, count
inspect(sort(rules))

결과

신뢰도가 클수록 연관관계가 높다는 의미입니다.

연관규칙을 평가하는 지수는 사실 위에서 언급한 2가지말고도 많은데

그 중 꽤 많이 쓰이는 것이 상관관계를 나타내는 lift입니다.

추가 : 연관관계 시각화하기

# install.packages("sna")
# install.packages("rgl")
library(sna)
library(rgl)

#visualization
b2 <- t(as.matrix(trans)) %*% as.matrix(trans) 
b2.w <- b2 - diag(diag(b2))
#rownames(b2.w) 
#colnames(b2.w) 
gplot(b2.w , displaylabel=T , vertex.cex=sqrt(diag(b2)) , 
vertex.col = "Pink" , edge.col="grey" , boxed.labels=F ,
arrowhead.cex = .3 , label.pos = 3 , edge.lwd = b2.w*2) 

결과

마지막으로, 연관규칙 학습을 위한 에이 프라이어리 알고리즘의 장단점을 알아보겠습니다.

장점1. 대규모 거래 데이터에서 작업할 수 있다.

장점2. 이해하기 쉬운 규칙을 생성한다.

장점3. '데이터 마이닝'과 데이터 베이스에서 예상치 못한 지식을 발굴하는 데 유용하다.

---------------------------------------------------------------------------------

단점1. 작은 데이터 셋에서는 유용하지 않을 수 있다.

단점2. 랜덤 패턴에서 비논리적 결론을 도출하기 쉽다.

오늘은 여기까지!!

다음은 k-means알고리즘으로 돌아오겠습니다!!