ADsP
PART 03 · 데이터 분석 | 5장 정형 데이터 마이닝연관분석 · Association Analysis · 교재 467–472쪽
DAY 20 · PART 03 · CHAPTER 05

연관분석, 6쪽 핵심 완전정리

거래에서 함께 나타나는 항목을 찾고, 지지도·신뢰도·향상도로 규칙을 평가합니다.

교재 467–472쪽

학습목표

① 개념장바구니 · IF–THEN
② 측도Support · Confidence · Lift
③ 실무Apriori · 장단점 · R 활용

한 문장 이해 : “A를 구매한 사람이 B도 구매하는 경향이 있는가?”를 거래 이력에서 탐색합니다.

거래 데이터
→
규칙 탐색
→
조건부 패턴

연관규칙은 예측 정확도를 보장하지 않으며, 발견된 연관이 인과관계를 의미하지는 않습니다.

학습 목차 화면을 눌러 이동

자료 범위: 사용자가 제공한 교재 발췌문(467~472쪽). 텍스트 인식이 불완전한 부분은 확인 가능한 수치만 사용했습니다. ← / → 키로 화면을 넘길 수 있습니다.

01 · 개념

연관규칙 = 거래 속 동시 발생 패턴 탐색

정해진 종속변수 없이 사건·상품 간 규칙을 찾는 탐색적 비지도 데이터 마이닝

467–468쪽

IF–THEN 규칙 (조건 → 결과)

IF : A 구매
선행항목 Antecedent
→
THEN : B 구매
후행항목 Consequent

예시 “샌드위치를 구매한 고객 중 30%가 탄산수를 함께 구매한다.”
이때 30%는 A 구매자 집단 내에서 B도 구매한 비율이므로 신뢰도입니다.

장바구니 분석 Market Basket Analysis (마켓 배스킷 어낼리시스)은 같은 거래에서 함께 나타나는 품목을 분석합니다.

기저귀–맥주 사례는 널리 알려진 설명용 일화로, 실제 분석 결과로 일반화하지 않습니다.

동시 발생과 시간 순서의 차이

연관규칙 분석

동시 발생

A와 B가 같은 거래 안에 있는가?

아메리카노 + 브라우니
같은 영수증에 함께 담김

순차패턴 분석

시간적 선후

A 이후에 B가 나타나는가?

여행 예약 → 숙박 예약
구매 시점·고객 ID가 필요

적용 분야 : 상품 추천, 교차판매, 진열 구성, 관광 패키지 구성, 서비스 이용 패턴 탐색

두 기법은 관련되지만 서로 동일한 분석은 아닙니다. 순차패턴 분석에는 시간 순서를 구별할 자료가 필요합니다.

시험 포인트: 조건–반응(if–then), 탐색성, 목적변수 불필요, 해석 용이 / 연관성은 인과성의 증거가 아님.
02 · 계산식

지지도 · 신뢰도 · 향상도

세 지표는 분모가 다릅니다. 계산 문제에서는 분모부터 확인하세요.

468–469쪽
Support · 서포트

지지도

Support(A→B) = P(A∩B)
= N(A∩B) / N(전체)

전체 거래에서 A와 B가 함께 발생한 비율입니다.

전체 1,000건 중 A·B 동시 구매가 300건이면 30%

Confidence · 컨피던스

신뢰도

Confidence(A→B) = P(B|A)
= N(A∩B) / N(A)

A가 발생한 거래 중 B도 발생한 비율입니다.

A 구매 600건 중 동시 구매가 300건이면 50%

Lift · 리프트

향상도

Lift(A→B) = P(B|A) / P(B)
= P(A∩B) / [P(A)×P(B)]

A 발생 시 B의 확률을 B의 전체 발생확률과 비교합니다.

B 전체 구매율 60%, A→B 신뢰도 50% → 0.833

향상도 해석

Lift > 1양(+)의 연관
Lift = 1독립 관계
Lift < 1음(−)의 연관

향상도는 일반적으로 배수(0.83배, 1.25배 등)로 해석합니다. 값이 1에서 얼마나 멀리 떨어지는지를 확인하고, 발생 빈도도 함께 고려해야 합니다.

직접 계산해 보기 입력값 변경 가능

지지도30.0%
신뢰도50.0%
향상도0.833
03 · 교재 사례

차(茶) 3종 거래 데이터, 전체 1,450건

원표의 각 행은 ‘그 품목 조합만 포함한 거래 수’입니다. 교집합에서는 겹치는 거래를 합산합니다.

469쪽

서로 배타적인 거래 유형

품목 조합 (그 조합만)거래 수
A = 옥수수차만200
B = 둥글레차만100
C = 율무차만50
A+B만500
A+C만300
B+C만200
A+B+C100
전체1,450

품목별·교집합별 거래 합계

항목집계하는 거래건수전체 대비
A200+500+300+1001,10075.9%
B100+500+200+10090062.1%
C50+300+200+10065044.8%
A∩B500+10060041.4%
A∩C300+10040027.6%
B∩C200+10030020.7%
A∩B∩C1001006.9%

대표 규칙 계산: 옥수수차(A) → 둥글레차(B)

지지도
600 / 1,450 = 41.4%
신뢰도
600 / 1,100 = 54.5%
향상도
54.5% ÷ 62.1% ≈ 0.879

이 사례의 A→B는 함께 발생하는 거래가 많아도 향상도는 1보다 작습니다. 따라서 지지도·신뢰도만 보고 강한 ‘양의 연관’이라고 단정하지 않습니다.

04 · 기준에 따라 규칙 고르기

9개 연관규칙: 지지도·신뢰도·향상도 비교

필터의 최소 지지도·최소 신뢰도를 바꾸면 조건을 만족하는 규칙만 표시됩니다.

469쪽
20%50%
규칙동시 거래 수지지도신뢰도향상도선택

기준에 따라 표시됩니다.

같은 두 품목의 규칙 방향이 바뀌면?

A→B와 B→A의 지지도·향상도는 같습니다. 동일한 교집합 P(A∩B)을 이용하기 때문입니다.

신뢰도는 달라집니다. A→B는 A를, B→A는 B를 분모로 사용합니다.

A→B 신뢰도 54.5% ↔ B→A 신뢰도 66.7%

꼭 확인할 시험 포인트

① 지지도는 전체 거래 수가 분모입니다.

② 신뢰도는 IF에 해당하는 선행항목의 거래 수가 분모입니다.

③ 향상도는 B의 전체 발생확률을 고려합니다.

지지도와 신뢰도가 높아도 향상도는 1보다 낮을 수 있습니다.

05 · 탐색 알고리즘

최소 지지도를 활용하는 Apriori 알고리즘

빈발 항목집합(Frequent Itemset)을 찾고, 그 안에서 신뢰도 등을 충족하는 규칙을 생성합니다.

469–470쪽

연관규칙 도출 절차

STEP 1최소 지지도 설정

도출 규칙 수·분석비용을 고려해 기준 설정

STEP 2빈발 1개 항목 탐색

각 품목의 지지도를 계산해 기준 미달 품목 제외

STEP 3후보 품목집합 생성

2개, 3개 … 후보를 만들고 최소 지지도 적용

STEP 4규칙 도출·평가

빈발 품목집합에서 A→B 생성 후 신뢰도·향상도 확인

Apriori 핵심 원리 보충 설명

Apriori property (에이프라이어리 성질): 어떤 품목집합이 빈발하려면 그 모든 비어 있지 않은 부분집합도 빈발해야 합니다.

예: B∩C가 최소 지지도에 미달한다면, A∩B∩C 역시 최소 지지도를 넘을 수 없습니다. 따라서 3개 품목집합 후보를 일찍 제외할 수 있습니다.

빈발 항목집합 탐색에서 적용하는 가지치기 원리이며, 교재 발췌문의 탐색 절차를 이해하기 위한 보완 설명입니다.

교재 차(茶) 사례에 적용

최소 지지도 25%를 설정하면 다음과 같습니다.

통과

A 75.9%, B 62.1%, C 44.8%

A∩B 41.4% · A∩C 27.6%

탈락

B∩C 20.7%

A∩B∩C 6.9%

기준이 너무 낮으면 후보 조합 수가 많아집니다. ‘최초 5%’는 특정 교재의 실무적 예시일 뿐, 모든 분석에 고정된 권장값은 아닙니다.

06 · 장점 · 단점 · 확장

연관분석의 강점, 한계, 그리고 순차패턴

쉽고 직관적이지만 후보 조합이 많고 희귀 품목 규칙이 누락될 수 있습니다.

469–470쪽

장점

① 해석이 쉬움 — IF–THEN 형태로 규칙을 표현합니다.

② 탐색적 분석 — 명시적 목적변수 없이 의미 있는 패턴을 찾습니다.

③ 직관적인 거래 자료 — 장바구니 형태의 구매 데이터와 잘 맞습니다.

④ 비교적 단순한 측도 — 지지도, 신뢰도, 향상도로 규칙을 설명합니다.

단점과 개선 방향

문제점대응 방법
품목 수 증가 → 후보 조합 폭증최소 지지도 설정 · Apriori 가지치기
너무 세분화된 품목은 해석 어려움품목을 큰 범주로 묶은 뒤 세부 분석
드문 중요 품목이 탈락할 수 있음유사 품목 묶기 · 분석 목표에 맞춰 기준 조정
흔한 품목의 높은 신뢰도 착시향상도와 지지도를 함께 확인

순차패턴 분석 (Sequential Pattern Analysis · 시퀀셜 패턴 어낼리시스)

연관분석은 “A와 B가 함께 등장했는가?”를 묻습니다.

한 여행객이 같은 거래에서 렌터카 + 숙박을 예약

순차패턴은 “A 이후 B가 발생하는가?”를 묻습니다.

한 여행객이 항공권 예약 → 3일 후 숙박 예약

순차패턴 분석에는 고객 식별자와 구매 시각 등 순서를 파악할 정보가 필요합니다. 여기서 A→B 화살표는 연관규칙에서는 논리적 조건, 순차패턴에서는 시간적 순서를 나타냅니다.

07 · 기출 핵심개념 체크

개념 문제: 52번 · 53번 · 55번

선택지를 누르면 바로 정답 여부와 이유가 나타납니다.

470–471쪽
52. [35회] 연관분석의 특징으로 가장 적절한 것은?정답 1개
정답: ④
55. [31회] A와 B의 동시 발생 건수를 전체 거래 건수로 나눈 측도는?정답 1개
정답: ①
53. [38회] 연관규칙의 장점에 대한 설명 중 부적절한 것은?정답 1개
정답: ④
개념 문항 3초 암기

IF–THEN → 연관규칙 특징
전체 거래가 분모 → 지지도
품목 증가 → 후보 조합 수 증가

* 53번 ①은 엄밀히 말해 분석 설정 방법에 관한 설명이지만, 교재 제공 정답은 ④입니다.

08 · 기출 계산 집중

계산 문제: 54번 · 56번

조건을 만족하는 규칙 선택과 향상도 산출 과정을 구분해서 학습합니다.

471–472쪽
54. [34회] 지지도 ≥25%, 신뢰도 ≥50%인 규칙은?제공된 해설 수치 기준
정답: ①
규칙지지도신뢰도두 조건 만족
A→B25%50%예
A→C20%40%아니요
C→B25%약 38%아니요
C→A20%약 31%아니요

원문에서 54번의 전체 거래표 일부가 누락되어, 위 수치는 제공된 해설에 명시된 값만 사용했습니다. 앞의 차(茶) 1,450건 사례와는 별개 문제입니다.

56. [31회] 주어진 거래에서 규칙 A→B의 향상도는?정답 1개
정답: ③ (Lift = 0.833)
거래 품목건수거래 품목건수
{A}100{B,C}100
{C}100{A,B,C,D}50
{B,D}200{A,B,D}250
{A,C}200전체1,000
P(B|A) = 300/600 = 0.5
P(B) = 600/1,000 = 0.6
Lift = 0.5/0.6 = 0.833
09 · 1분 최종 점검

시험 직전 핵심 비교표

분모와 해석을 기억하면 대부분의 지표 계산 문제가 풀립니다.

467–472쪽 종합
구분한글 의미분모 / 공식해석 포인트
Support (지지도)전체에서 함께 발생한 비율N(A∩B) / N(전체)빈발 항목집합 필터
Confidence (신뢰도)A가 있을 때 B가 있는 비율N(A∩B) / N(A)규칙 방향에 따라 달라짐
Lift (향상도)B의 기본 발생률 대비 비율P(B|A) / P(B)1 초과 양의 연관 · 1 미만 음의 연관
Apriori빈발 항목집합 탐색최소 지지도 + 부분집합 성질후보 조합 효율적 제외
순차패턴 분석사건의 시간 순서 분석고객 + 이벤트 + 시간 정보동시 발생과 구별

헷갈리기 쉬운 4가지

  1. A→B는 A가 분모; B→A는 B가 분모
  2. 향상도는 1과 비교하며 인과관계를 뜻하지 않음
  3. 최소 지지도는 분석 목적·데이터 특성에 맞춰 설정
  4. 후보 조합을 모두 나열하지 않도록 Apriori 등 사용

기출 5문항 정답 모음

52④ · 해석 용이
53④ · 계산량 증가
54① · A→B
55① · 지지도
56③ · 0.833
0 / 5내 퀴즈 정답 수

출처 범위: 사용자가 입력한 ADsP 교재 「5장 정형 데이터 마이닝—연관분석」 467–472쪽. 54번의 원거래표는 제공 자료에서 일부 누락되었으며, 56번의 향상도는 무차원 값 0.833으로도 표기했습니다.

01 / 10키보드 ← → 이동