매개연관규칙과 매크로 알고리즘의 개발

Development of Intervening Association Rules and Macro Algorithm

연관성규칙은 데이터 안에 존재하는 항목들 간의 상호 관련성을 찾아내는 기법으로서 항목들 사이의 지지도, 신뢰도, 향상도를 기준으로 상호 관련성 여부를 측정한다. 연관성규칙 분석 시, 변수들 간의 연관성 규칙 결과가 매개 변수에 의하여 전체적인 관련성은 유의미한 반면, 그것의 직접적 관련성은 유의미하지 않은 경우가 발생할 수 있다. 즉, 연관성 규칙의 결과 중 매개 변수에 의하여 직접적인 관련성이 없는 규칙들이 존재 할 수 있다는 의미이다. 이와 같이 연관성 규칙 결과에서 매개 변수가 존재하는 경우에는 그 연관성 규칙의 직접적 관련성보다는 간접적 관련성을 해석하는 것이 바람직하다. 이에 본 논문에서는 연관성규칙에서 변수들 간의 매개 관계를 규명할 수 있는 매개연관규칙을 제안하고 그에 대한 매크로 알고리즘을 개발하여, 실제 자료에 매개연관규칙을 적용해 보고자한다.

Data mining is the method to find useful information for large amounts of data in database. It is used to find hidden knowledge by massive data, unexpectedly pattern, relation to new rule. Method of data mining exists association rule, decision tree, neural network, cluster analysis, self-organizing map, etc. Association rule mining searches for interesting relationships among items in a given database. Association rules are frequently used by retail stores to assist in marketing, advertising, floor placement, and inventory control. There are three primary quality measures for association rule, support and confidence and lift. When we apply to association rule, we can find a accident association by intervening variables. In this case, we need to confirm the manifest relation among the variables. In this paper we propose association rules based on intervening variables and macro algorithm. We call these rules to intervening association rules.