연관성 규칙 관점에서의 분류 모형 구축에 유용한 새로운 신뢰도의 제안 (Proposition of a New Confidence Measure Useful for Classification Model Building in Association Rule)

서지정보

· 발행기관 : 한국자료분석학회
· 수록지 정보 : Journal of The Korean Data Analysis Society / 16권 / 2호 / 719 ~ 727페이지
· 저자명 : 박희창

초록

데이터마이닝 기법은 빅 데이터 시대에 가장 주목받고 있는 기술 중의 하나로 방대한 데이터베이스에 저장된 대용량의 데이터를 탐색함으로써 의미 있는 새로운 상관관계, 패턴, 추세 등을 발견하는 과정이다. 이 기법 중의 하나인 연관성 규칙은 하나의 트랜잭션에 포함되어 있는 항목들 간의 관련성을 도출하는 방법으로 지지도, 신뢰도, 그리고 향상도 등 연관성 규칙의 평가 기준이 되는 흥미도 측도에 의해 수치적으로 관련성을 나타내기 때문에 마케팅, 제조업 및 보험업, 그리고 의료 및 교육 등 현업에서 많이 활용하고 있다. 연관성 규칙 여부를 결정하기 위해 가장 많이 사용하는 신뢰도는 고려하는 항목의 순서가 바뀌게 되면 그 값이 달라지는 비대칭적 측도가 되는 동시에 항상 양의 값을 가진다. 이러한 신뢰도의 단점을 보완하기 위해 분류 모형 구축에 유용한 신뢰도들이 연관성 평가 기준으로 논의된 적이 있다. 본 논문에서는 이들 신뢰도 측도들을 바탕으로 대칭적 인과 확인 신뢰도 측도를 제안하였으며, 예제를 통하여 그 유용성을 평가하였다. 그 결과, 본 논문에서 제안하는 대칭적 인과 확인 신뢰도가 연관성의 방향을 보다 정확하게 나타내고 있어서 연관성 평가 기준으로 가장 바람직하다는 사실을 확인하였다.

영어초록

Data mining is the hottest technique in a big data analysis, and is used to obtain meaningful information from a huge database. Association rule of the well-studied data mining techniques is the exploratory data analysis for understanding the relationship between the items in a big database. There are support, confidence, lift, and other measures in association rule thresholds. Among these measures, confidence is the most popular threshold, but it has the drawback that it can not determine the direction of the association. So three kinds of confidence measures useful for classification model building have been proposed to overcome this problem in association rule mining. In this paper, we proposed a new confidence measure for classification model in terms of association rule. And then we compared this measure with support, confidence, and three kinds of confidence measures by numerical example. The result confirmed that the new confidence was the best measure in view of the association mining because it showed more precisely the direction of association.

참고자료

· 없음