연관성 규칙 수의 추정을 위한 일반적인 비선형 회귀모형에서의 표준화 향상도 활용 방안 = Generally non-linear regression model containing standardized lift for association number estimation

국문 초록 (Abstract)

최근에 많이 활용되고 있는 데이터 분석을 위한 연관성 규칙 마이닝은 대용량 데이터베이스에 많이 활용되고 있는 서 두 항목간의 관계를 측도화 함으로써 두 개 이상의 항목간의 관련성을 표시하여 주는 기법이다. 연관성 규칙의 여부를 판단하기 위한 연관성 평가 기준에는 지지도, 신뢰도, 그리고 향상도 등이 있으며, 이들 세 가지 기준을 이용하여 연관성 규칙 생성 여부를 판단하게 된다. 이에 대한 기존의 연구 결과는 결정함수를 이용하는 방법과 회귀모형을 이용하는 방법으로 분류할 수 있다. 회귀모형을 이용하여 수행한 연구에는 지지도와 신뢰도에 의한 모형, 세 가지 평가 기준의 쌍에 의한 모형, 표준화 향상도를 포함한 세 가지 평가 기준의 쌍에 의한 모형, 그리고 세 가지 평가 기준 전부를 고려한 모형 등이 있다. 본 논문에서는 기존의 연구를 확장하는 의미에서 표준화 향상도를 포함한 세가지 평가 기준 전부를 고려한 비선형 회귀모형을 이용하여 연관성 규칙의 수를 추정하는 방안에 대해 강구하고자 한다. 또한 분산분석에서의 F 통계량과 수정 결정계수를 이용하여 각 모형의 유의한 정도를 비교하는 동시에 분산팽창계수에 의한 공선성 문제를 진단함으로써 가장 유용한 회귀 모형을 탐색하고자 한다.

다국어 초록 (Multilingual Abstract)

Among data mining techniques, the association rule is one of the most used in the real fields because it clearly displays the relationship between two or more items in large databases by quantifying the relationship between the items. There are three primary quality measures for association rule; support, confidence, and lift. We evaluate association rules using these measures. The approach taken in the previous literatures as to estimation of association rule number has been one of a determination function method or a regression modeling approach. In this paper, we proposed a few of non-linear regression equations useful in estimating the number of rules and also evaluated the estimated association rules using the quality measures. Furthermore we assessed their usefulness as compared to conventional regression models using the values of regression coefficients, F statistics, adjusted coefficients of determination and variation inflation factor.

참고문헌 (Reference)

1 박희창, "향상도 영향 감소화에 의한 연관성 순위결정함수" 한국데이터정보과학회 21 (21): 397-405, 2010

2 박희창, "표준화 향상도를 이용한 연관성 순위 결정 함수" 한국자료분석학회 12 (12): 2661-2670, 2010

3 박희창, "주변 확률을 고려하지 않는 확률적흥미도 측도 계열 유사성 측도의 서열화" 한국데이터정보과학회 26 (26): 367-376, 2015

4 박희창, "조건부 확률증분비를 이용한 연관성 순위 결정 함수" 한국데이터정보과학회 21 (21): 709-717, 2010

5 이창환, "정보이론에 기반한 연관 규칙들의 새로운 중요도 측정 방법" 한국정보처리학회 3 (3): 37-42, 2014

6 박희창, "음의 순수 연관성 규칙 평가 기준의 제안" 한국데이터정보과학회 22 (22): 179-188, 2011

7 진도승, "연관성분석을 이용한 여행업 고객 분석" 한국자료분석학회 13 (13): 2945-2952, 2011

8 박희창, "연관성 규칙 수의 결정을 위한 비선형 회귀모형의 비교에 관한 연구" 한국자료분석학회 15 (15): 125-132, 2013

9 박희창, "연관성 규칙 수의 결정을 위한 비선형 회귀모형에서의 표준화 향상도 적용 방안" 한국자료분석학회 16 (16): 2447-2455, 2014

10 박희창, "연관 규칙 마이닝에서 기여 순수 신뢰도의 제안" 한국데이터정보과학회 22 (22): 235-243, 2011

11 한건희, "빅데이터에 대한 소개와 활용사례에 관한 연구" 한국자료분석학회 16 (16): 1337-1351, 2014

12 박희창, "분류 모형 구축에 유용한 신뢰도 측도 간의 비교" 한국데이터정보과학회 25 (25): 365-371, 2014

13 임제순, "발생빈도를 고려한 연관성분석 연구" 한국데이터정보과학회 21 (21): 1061-1069, 2010

14 조광현, "데이터마이닝을 이용한 경상남도 사회지표 조사 분석" 한국자료분석학회 15 (15): 2489-2497, 2013

15 박희창, "기본적인 연관평가기준 전부를 고려한 비선형 회귀모형에 의한 연관성 규칙 수의 결정" 한국데이터정보과학회 24 (24): 267-275, 2013

16 박희창, "기본적인 연관기준값을 이용한 연관성 순위 결정 함수의 개발" 한국자료분석학회 12 (12): 961-971, 2010

17 Silberschatz, A., "What makes patterns interesting in knowledge discovery systems" 8 : 970-974, 1996

18 Tan, P. N., "Selecting the right interestingness measure for association patterns" Association for Computing Machinery 2002

19 Yi, W., "Regression analysis in the number of association rules" 8 : 78-82, 2011

20 Agrawal, R., "Mining association rules between sets of items in large databases" Association for Computing Machinery 1993

21 Geng, L., "Interestingness measures for data mining : A survey" 38 : 1-32, 2006

22 Wu, X., "Efficient mining of both positive and negative association rules" 22 : 381-405, 2004