외적 연관 규칙의 제안과 SAS 매크로 알고리즘의 개발

Development of Extraneous Association Rules and SAS Macro Algorithm

데이터마이닝은 방대한 양의 데이터 속에서 쉽게 드러나지 않는 유용한 정보를 찾아내는 기법으로서 각종 데이터를 기반으로 감춰진 지식, 기대하지 못했던 경향 또는 새로운 룰 등을 발견하는데 사용된다. 데이터마이닝 기법으로는 연관성규칙, 군집 분석, 의사결정나무기법, 신경망모형, 자기조직화지도 등의 분석 기법이 있다. 연관성규칙은 데이터 안에 존재하는 항목들 간의 상호 관련성을 찾아내는 기법으로서 항목들 사이의 지지도, 신뢰도, 향상도를 기준으로 상호 관련성 여부를 측정한다. 연관성규칙 분석 적용 시, 외적 변수에 의하여 우연히 연관성이 발견될 수 있다. 이와 같은 경우 변수 사이의 관계를 규명할 필요성이 있다. 이에 본 논문에서는 외적 변수에 의한 연관성규칙인 외적연관규칙의 제안과 그에 따른 SAS 매크로 알고리즘 개발에 관하여 연구하고자 한다.

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 extraneous variables. In this case, we need to confirm the manifest relation among the variables. In this paper we propose association rules based on extraneous variables and SAS macro algorithm. We call these rules to extraneous association rules.