[20260407] 빅데이터분석기사 필기 9일차_연관분석

번호	핵심 키워드	상세 설명
1	연관성 분석	대량의 데이터에서 항목 간의 숨겨진 연관 규칙을 찾아내는 분석 기법으로, '장바구니 분석' 또는 '서열 분석'이라고도 불림. 조건과 반응(If-Then) 구조로 연관성을 파악함.
2	지지도 (Support)	전체 거래 중 특정 조건 품목과 결과 품목이 동시에 포함된 거래의 비율. 연관 규칙의 발생 빈도를 나타냄.
3	신뢰도 (Confidence)	조건 품목이 발생했을 때 결과 품목이 발생할 조건부 확률. 조건 품목이 주어졌을 때 결과 품목이 나타날 가능성을 나타냄.
4	향상도 (Lift)	연관 규칙이 우연에 의해 발생한 것인지 아닌지를 측정하는 척도. 1을 기준으로 1보다 크면 양의 관계, 1이면 독립, 1보다 작으면 음의 관계를 의미함.
5	아프리오리 알고리즘 (Apriori Algorithm)	모든 경우의 수를 탐색하는 비효율성을 개선하기 위해, 최소 지지도를 충족하는 '빈발 항목'을 찾아 연관 규칙 분석의 대상을 줄이는 알고리즘.

 

Q1. 어떤 분석 방법이 쇼핑몰 거래 데이터에서 함께 자주 구매되는 상품 조합을 찾아내는 데 가장 적합한가?

 

A: 회귀분석: 변수들 간 연속적 관계를 모델링하는 방법

B: 군집분석: 유사한 고객이나 상품을 그룹화하는 방법

C: 연관성 분석: 대량 데이터에서 항목 간의 연관규칙을 발굴하는 방법

D: 시계열 분석: 시간에 따른 추세나 패턴을 예측하는 방법

 

 

정답이에요!

C. 함께 자주 구매되는 상품 조합을 찾는 것은 연관성 분석의 주요 목적이에요. 연관성 분석은 대량의 데이터에서 항목 간의 연관규칙을 찾아내는 기법이라는 점을 기억하세요.

 

 

Q2. 장바구니 분석에서 두 상품이 우연히 함께 나타날 확률 대비 실제 함께 구매되는 정도가 얼마나 증가했는지를 나타내는 지표는 무엇인가?

 

A: 신뢰도 (confidence)

B: 아프리오리 (Apriori 알고리즘)

C: 지지도 (support)

D: 향상도 (리프트, lift)

 

 

아쉬워요. C

D. 향상도는 두 항목이 독립일 때의 기대 확률에 비해 실제로 함께 발생하는 비율이 얼마나 높은지를 보여줘요. 지지도는 전체 거래에서의 빈도, 신뢰도는 앞항목이 있을 때 뒤항목이 있을 조건부 확률이라는 점도 기억하세요.

 

 

Q3. 다음 표에서 A: 와인(구매수 4,000), B: 꽃(구매수 2,000), 동시구매 1,000, 전체 거래 10,000일 때 A→B의 향상도(lift)는 얼마인가?

 

A: 0.10 (10%)

B: 1.25

C: 0.25 (25%)

D: 2.50

 

 

아쉬워요.C

B. 동시구매 확률은 1,000/10,000 = 0.1이고 P(A)=0.4, P(B)=0.2이므로 향상도는 0.1 ÷ (0.4×0.2) = 1.25이에요. 향상도는 1보다 크면 두 항목이 우연보다 더 자주 같이 구매된다는 뜻이에요.

 

 

Q4. 다음은 거래 데이터에서 도출된 연관규칙 {와인} → {꽃}의 지지도 10%, 신뢰도 20%, 향상도 0.67일 때, 이 규칙에 대한 가장 적절한 해석은?

 

A: 와인 구매 시 꽃 구매 확률이 평소보다 크게 증가하므로 양의 관계이다.

B: 지지도와 신뢰도가 낮으므로 이 규칙은 항상 무의미하다.

C: 와인과 꽃의 구매는 서로 독립적이다.

D: 와인 구매는 꽃 구매의 발생 가능성을 낮추는 음의 관계를 가진다.

 

 

정답이에요!

D. 향상도가 1보다 작기 때문에 이 규칙은 조건품목(와인)이 있을 때 결과품목(꽃)의 상대적 발생빈도가 감소함을 의미해요. 향상도는 P(B|A)/P(B)로 계산하여 1을 기준으로 양·독립·음의 관계를 판단한다는 점을 기억하세요.

 

 

Q5. 연관성 분석에서 규칙 {와인, 치즈} -> {꽃}과 {꽃} -> {와인, 치즈}가 서로 다른 규칙으로 취급되는 주된 이유는 무엇인가?

 

A: 연관성 분석은 항상 항목을 쌍(pair)으로만 다루므로 항목집합의 크기에 따라 규칙이 자동으로 분리되기 때문에.

B: 규칙은 방향성을 가지므로 전건과 후건이 바뀌면 신뢰도(confidence)와 해석이 달라지기 때문에.

C: 전건과 후건의 위치가 바뀌면 지지도(support) 값이 달라지기 때문에.

D: 같은 항목들이 포함되어 있으면 전건·후건의 순서와 상관없이 동일한 규칙으로 본다.

 

 

정답이에요!

B. 연관 규칙은 방향성을 가지기 때문에 전건과 후건이 바뀌면 조건부 확률인 신뢰도 값과 규칙의 의미가 달라집니다. 지지도는 항목들의 동시 발생 빈도로 동일하지만 신뢰도는 전건을 기준으로 한 조건부 확률이라는 점을 기억하세요.

 

 

Q2.[오답 퀴즈] 다음 네 개의 연관규칙 후보 중 소매업자가 마케팅용 번들(프로모션)로 우선 적용하는 것이 가장 타당한 규칙은 무엇인가? 각 규칙은 (지지도, 신뢰도, 향상도) 순이다.

 

A: {텀블러}→{종이컵}: (0.15, 0.10, 0.90)

B: {간식}→{음료}: (0.08, 0.30, 1.20)

C: {분유}→{기저귀}: (0.02, 0.80, 1.50)

D: {와인}→{꽃}: (0.10, 0.20, 0.67)

 

 

아쉬워요.C

B. 지지도 8%, 신뢰도 30%, 향상도 1.2인 규칙은 향상도가 1보다 커서 두 항목 간에 양의 관계를 보이고 지지도도 충분히 있어 실제 프로모션 적용이 현실적이에요. 향상도는 항목 간의 우연 여부를 판단하는 척도이고 지지도는 그 규칙의 적용 가능 범위를 알려준다는 점을 기억하세요.

 

 

Q3.[오답 퀴즈] 온라인 소매업체가 거래별 구매상품 목록과 고객 속성(연속·범주형)을 보유하고 있으며, 목표는 (1) 연관상품 규칙 발굴과 (2) 해당 규칙을 활용한 개인화된 구매 예측 기반 마케팅이다. 이 목적에 가장 타당한 분석 전략은 무엇인가?

 

A: 연관성 분석으로 상품 간 규칙을 발굴하고, 발굴된 규칙(혹은 규칙 기반 특징)을 예측모형의 입력으로 사용해 개인화 타게팅용 구매 예측모형을 구축한다.

B: 로지스틱 회귀 등 분류모형만 사용해 고객 속성과 과거 구매를 바탕으로 구매 확률을 예측한다.

C: 먼저 군집분석으로 고객군을 나눈 뒤 각 군집별로 연관성 분석을 수행하여 군집 특화 규칙을 도출한다.

D: 거래 데이터에 대해 연관성 분석만 단독 수행하여 규칙을 도출하고, 도출된 규칙을 그대로 마케팅에 적용한다.

 

 

정답이에요!

A. 연관성 분석으로 공통 구매 패턴을 찾아 이를 특징으로 변환해 예측모형에 결합하면 규칙 발굴과 개인화 타게팅을 동시에 충족할 수 있어요. 연관성 분석은 대량 데이터에서 항목 간의 연관규칙을 찾아내는 기법이라는 점을 기억하세요.

 

 

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.