연관 분석은 대규모 데이터 세트의 항목 간의 암시적 연관을 발견하는 데 종종 사용되며, 발견된 연관은 연관 규칙의 형태로 표현될 수 있습니다. 연관 규칙은 새로운 교차 판매 기회를 찾는 데 자주 사용됩니다. RuleMining2A는 두 가지 기본 연관 분석 알고리즘인 Apriori와 FP-Growth를 사용하여 데이터세트의 항목 간 연관 규칙을 찾는 데 도움을 줍니다.
예를 들어 판매 데이터에서 발견된 {파스타} ⇒ {새우} 규칙은 파스타를 구매하는 고객이 새우도 구매할 가능성이 있다는 것을 의미합니다. 이 정보는 제품 추천, 판촉 가격, 제품 배치 등 마케팅 결정의 기초로 사용될 수 있습니다.
Apriori 알고리즘:
연관 분석은 먼저 빈발 항목 집합을 찾은 다음 이러한 빈발 항목 집합을 사용하여 연관 규칙을 얻어야 합니다. Apriori 알고리즘은 가장 유명한 빈발 항목 집합 마이닝 알고리즘 중 하나이며 추천 시스템 및 장바구니 분석에 자주 사용됩니다.
FP-Growth 알고리즘:
FP-Growth 알고리즘은 빈발항목집합을 마이닝하는 또 다른 인기 있는 알고리즘입니다. FP-Growth 알고리즘은 Apriori 알고리즘 원리를 기반으로 하지만 빈발항목집합을 찾기 위해 FP-tree라는 방법을 사용합니다. FP-Growth 알고리즘은 일반적으로 대규모 데이터세트를 처리할 때 더 효율적인 성능을 보여줍니다.
FP-Growth 알고리즘은 일부 유형의 데이터 세트에 대해 Apriori 알고리즘보다 빠르게 수행됩니다. 두 가지 알고리즘을 모두 사용하여 데이터세트를 실행하고 더 빠르게 수행되는 알고리즘을 선택할 수 있습니다.