[빅데이터분석, R] 연관 분석

Grocery Data Set

• Grocery Data Set 개요
  • 10개의 아이템
    • Shopping bags, milk, vegetables, bread, soda, yogurt, water, tropical fruit, sausage, pastry
  • 100개의 트랜잭션
    

    

• 데이터 로딩
  • read.transaction()
    • arules 패키지 내에서 데이터는 트랜잭션으로 처리
    • 파일로부터 트랜잭션 형태로 데이터를 로딩하는 함수
  • inspect(): 트랜잭션 데이터의 내용을 출력하는 함수
    

    groceries <- read.transactions(file = "groceries.csv", format = "basket", sep=",")
    inspect(groceries)​

• 연관 분석 실행
  • apriori(): apriori 알고리즘이 구현되어 있는 함수
    • default parameters: minsup = 0.1, minconf = 0.8
      

      rules.all <- apriori(groceries)
      rules.all​

      
  • 발견된 모든 rule들을 출력
    

    inspect(rules.all)​

    
• 룰의 정제
  • 발견된 규칙 중, 의미가 없는 결과들이 많이 포함됨
    • lhs (left-hands side) 값이 없는 규칙들
      • minlen = 2 로 설정 (** minlen은 최소 물품 수. lhs + rhs)
    • 흥미가 떨어지는 규칙들
      • supp = 0.3, conf = 0.9로 설정
  • 출력이 너무 많아 확인이 어려운 문제
    • 진행 과정 정보를 생략
      • verbose = F로 설정
        

        rules <- apriori(groceries, control = list(verbose=F),
                        parameter = list(minlen=2, supp=0.3,
                                         conf=0.9))
        rules​

        
  • 결과의 정렬
    • quality(): apriori()의 결과에서 measure를 추출하는 함수
    • round(): 실수 데이터를 digits크기의 자리에서 반올림하는 함수
    • sort(): 데이터를 by 기준으로 정렬하는 함수
      

      quality(rules) <- round(quality(rules), digits=3)
      rules.sorted <- sort(rules, by="confidence")
      inspect(rules.sorted)​

      
  • 결과 분석
    • supp = 0.3, conf = 0.9 일 때, 47개의 규칙을 발견
      • 하지만 모든 규칙의 rhs는 shopping bags로 나타남
      • 이는 shopping bags가 대부분의 트랜잭션에서 나타나기 때문임
        • Confidence의 한계점과 연관됨
      • 따라서 lift를 중심으로 마이닝
        • Parameter를 supp=0.2, conf=0.8로 설정
          

          rules <- apriori(groceries, control = list(verbose=F), 
                           parameter = list(minlen=2, supp=0.2, conf=0.8))
          rules
          quality(rules) <- round(quality(rules), digits=2)
          rules.sorted <- sort(rules, by="lift")
          inspect(rules.sorted)​

          
  • 특정 데이터를 제외한 연관 규칙 마이닝
    • shopping bags는 다른 데이터와 독립적이므로 연관규칙에서 제외
      • none = "shopping bags"로 설정
        

        rules <- apriori(groceries, control = list(verbose=F), 
                         parameter = list(minlen=2, supp=0.1, conf=0.8),
                         appearance = list(none="shopping bags"))
        rules
        quality(rules) <- round(quality(rules), digits=3)
        rules.sorted <- sort(rules, by="lift")
        inspect(rules.sorted)​