[이기적] 연관분석(Association Analysis) 정리 (지지도·신뢰도·향상도·Apriori 알고리즘)

1️⃣ 연관분석(Association Analysis)

✅ 개념

• 두 개 이상의 항목(Item) 간의 연관성을 분석하는 기법
• 대량의 데이터에서 패턴, 규칙, 관계를 발견하는 탐색적 데이터 분석 방법
• 주로 마케팅, 추천 시스템, 고객 구매 패턴 분석 등에 활용됨

🎯 포인트

• 항목 간 동시 발생 패턴 분석
• 장바구니 분석(Market Basket Analysis) 에 활용
• 데이터 마이닝 핵심 기법

---

✅ 장바구니 분석(Market Basket Analysis)

• 고객의 구매 데이터에서 상품 간 연관 관계를 분석하는 방법
• 어떤 상품이 함께 구매되는지 패턴을 발견

🔹 예시

- 빵 → 우유
- 기저귀 → 맥주  

🔹 활용 분야

• 추천 시스템
• 상품 진열 전략
• 마케팅 전략
• 교차 판매(Cross Selling)

---

2️⃣ 연관규칙(Association Rule)

• 연관분석은 if → then 형태의 규칙으로 표현

A → B

→ A를 구매한 고객은 B도 구매할 가능성이 높다

🔹 구성

구성요소	의미	예시
Antecedent	조건 (if 부분)	빵
Consequent	결과 (then 부분)	우유

---

3️⃣ 연관분석 평가 지표

• 연관규칙의 강도를 평가하기 위해 3가지 지표를 사용

지표	의미	공식	해석
Support	전체 거래 중 A와 B가 함께 발생한 비율	P(A ∩ B)	규칙의 빈도
Confidence	A가 발생했을 때 B가 발생할 확률	P(A ∩ B) / P(A)	규칙의 신뢰성
Lift	두 항목 간 연관성 판단	P(A ∩ B) / (P(A)P(B))	1보다 크면 양의 상관

---

✅ 1. 지지도(Support)

• 전체 거래 중 A와 B가 동시에 발생한 비율

Support(A → B) = P(A ∩ B)
Support(A → B) = (A와 B가 동시에 발생한 거래 수) / (전체 거래 수)

🔹 예시

- 전체 거래 100
- 빵과 우유 함께 구매 20

Support = 20 / 100 = 0.2

---

✅ 2. 신뢰도(Confidence)

• A가 발생했을 때 B가 함께 발생할 확률

Confidence(A → B) = P(A ∩ B) / P(A)

🔹 예시

- 빵 구매 고객 40명
- 빵 + 우유 구매 20명

Confidence = 20 / 40 = 0.5

---

✅ 3. 향상도(Lift)

• A와 B가 독립적인지 여부 판단

Lift(A → B) = P(A ∩ B) / (P(A)P(B))

🔹 판단 기준

Lift 값	의미
Lift = 1	독립
Lift > 1	양의 상관관계
Lift < 1	음의 상관관계

---

4️⃣ Apriori 알고리즘

✅ 개념

• 연관규칙을 생성하기 위해 빈발 항목집합을 찾는 알고리즘
• 최소 지지도(min support) 기준으로 규칙 생성

---

✅ Apriori 핵심 원리

• Apriori Property

어떤 항목집합이 빈발하면
그 부분집합(subset) 도 반드시 빈발하다

{A,B,C}가 빈발 → {A,B}, {A,C}, {B,C}도 빈발

---

✅ Apriori 알고리즘 과정

1. 최소 지지도 설정
2. 빈발 항목집합(Frequent Itemset) 생성
3. 비빈발 항목집합 제거 (Pruning)
4. 연관규칙 생성
5. 최소 신뢰도 기준으로 필터링

---

✅ 특징

• 모든 조합 탐색 대신 빈발 항목집합만 탐색
• 가지치기(pruning) 활용

---

5️⃣ 연관분석의 장단점

연관분석의 장단점

장점	단점
분석 결과가 이해하기 쉽다	항목이 많을수록 연산량 증가
마케팅 전략 수립에 활용 가능	의미 없는 규칙이 많이 생성될 수 있음
추천 시스템에 적용 가능	결과 해석을 위한 사전 분석 필요

---

📊 시험 포인트 정리

🔥 1. 연관분석 핵심 공식 ⭐

Support(A→B) = P(A∩B)
Confidence(A→B) = P(A∩B) / P(A)
Lift(A→B) = P(A∩B) / (P(A)P(B))

---

🔥 2. Lift 해석 문제 ⭐

Lift 값	의미
Lift = 1	독립
Lift > 1	양의 상관관계
Lift < 1	음의 상관관계

---

🔥 3. Apriori 특징 ⭐

• 최소 지지도 사용
• 빈발 항목집합 기반
• 가지치기(pruning)

---

🔥 4. 장바구니 분석 = 연관분석

• Market Basket Analysis
• Association Analysis
• Association Rule Mining

👉 시험에서 위 표현이 모두 같은 의미

---

📌 암기 핵심 요약

항목	내용
분석 목적	항목 간 연관 규칙 발견
대표 지표	Support / Confidence / Lift
알고리즘	Apriori
활용	장바구니 분석 (Market Basket Analysis)

2026 이기적 빅데이터분석기사 필기 기본서
(저자: 나홍석, 배원성, 이건길, 이혜영 | 출판사: 영진닷컴)

※ 본 글은 위 교재를 참고하여 학습 목적으로 재정리한 내용입니다.