선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 간단한 예제를 통해 기존의 연관 규칙 기법과 본 연구에서 제안한 해법과의 차이점을 살펴보자. 먼저 데이터베이스에 다음과 같은 자료가 있다고 가정한다.
- ,(1998)에 의해 이루어 졌다 [4]. 그 논문에서는 가중치를 각 항목(item)에 부여하여 중요한 항목에 대해서는 연관 관계를 가질 수 있는 확률을 높게 해주었다. 또한 각 항목들마다 다른 지지도(support)를 줌으로써 항목들의 특성을 고려한 연구도 있었다[3].
- 분석할 때보다 변화되는 자료의 특성을 잘 반영할 수 있다. 또한 찾아낸 데이터들 간의 연관 관계뿐만 아니라 자료에 숨어있는 추세 변화를 찾아내고 수치화하여 보여줌으로써 의사결정에 더 정확한 정보를 제공해 줄 수 있는 방법을 제시한다.
- 본 연구에서는 마이닝을 하고자 하는 데이터베이스를 구분하여 최근의 데이터 자료에 좀 더 많은 의미(가중치)를 부여하고 오래된 자료일수록 점점 작은 비중을 두게 함으로써 매출에 대한 추세를 반영할 수 있는 연관 규칙 기법을 제안한다. 이 방법은 데이터베이스 안에 있는 자료를 시간에 따라 분할한 후, 연관 규칙 기법을 적용한다.
- 본 연구에서는 연관관계의 추세 변화를 찾아낼 수 있는 방법을 제안한다. 최근의 자료가 과거의 자료보다 미래를 더 잘 반영한다는 전제 하에서 현재에서 과거로 시간이 지남에 따라 지수적으로 감소하는 가중치를 이용한다.
- 전체 지지도가 사용자가 미리 정의한 최소 지지도를 만족하는지를 조사함으로써 그 항목집단의 빈발 항목집합 여부를 결정하게 된다. 즉 항목 집합을 {사과, 우유}로 가정하고, 2000년 매출자료에서 {사과, 우유}의 지지도 = (3/5), 1999년 매출자료에서 (사과, 우유}의 지지도 = (2/5), 1998년 매출자료에서 {사과, 우유}의 지지도 = (1/5) 이라고 가정한다면 전체 지지도는 다음과 같다.
가설 설정
- 1) 기존의 방법으로 전체 데이터베이스에서 구한 2-빈발 항목집합은 {2, 5}, {4, 5}이다. 그리고 각 연도별로 가중치를 고려한 방법으로 구한 2-빈발, 항목 집합은 {2, 3}, (2, 5}, (3, 5}가 나타났다.
- 그리고 트랜잭션 총 개수에 대한 항목집합 X를 지지하는 트랜잭션 수의 비율을 X의 지지도라고 부른다. 한 트랜잭션에서 구입하는 수량은 고려하지 않기로 가정한다. 그리고 X와 Y를 각각 항목집합이라 한다면, 연관 규칙은 다음과 같이 표현할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.