#title 연관성 분석
[[TableOfContents]]

==== Multi-Dimension Association Rule ====

age(X, "20...29") ^ income(X, "20K...29K") => buys(X, "CD Player")
[지지도= 2%, 신뢰도= 60%]

 * 나이가 20~29세이고, 수입이 20000 ~ 29000인 고객중에서 2%가 CD플래이어를 구입했으며, 이 그룹에 속한 고객이 CD플래이어를 구매할 확률은 60%이다. 
 *  age, income, buys와의 연관성에 주목한다. (Multi-Dimension Association Rule)

==== Single-Dimension Association Rule ====

contains(T, "Computer") => Contains(T, "Software")
[지지도= 1%, 신뢰도= 50%]

 * 모든 거래중 1%는 Computer와 Software를 모두 구매했으며, 거래 T가 Computer를 포함한다면 그 거래가 Software도 포함할 확률이 50%이다. 
 * 포함이라는 술어(또는 속성)이 반복된다. (Single-Dimension Association Rule)



==== 흥미도(Interestingness measure) ====

지지도(Support)
 * 설명: 규칙 패턴이 나타나는 작업관계 데이터 투플들의 백분율
 * 계산 
  * support( A => B ) = P( A 교집합 B ) = 두항목이 같이 거래된 수 / 전체거래 수
  * 전체거래 중 A와 B가 동시에 거래된 비율

신뢰도(confiednce)	
 * 설명: 규칙의 관련 정도의 추정
 * 계산 
  * confidence( A => B ) = P( B | A ) = 두항목이 같이 거래된 수 / 항목A의 거래수
  * A의 거래중 B가 포함된 거래의 비율

향상도(Lift)
 * 설명: 항목간의 관련 성격
 * 계산 
  * lift( A => B ) = P( B | A ) / P( B ) = 항목A의 거래중 항목B가 포함된 거래의 비율 / 전체거래 중 항목B가 거래된 비율
  * 항목 B가 A와 동시에 구매되는 경우(신뢰도)와 B자체만 구매되는 경우의 비율
{{{ 
if(lift == 1) 
	result = "A와 B가 서로 독립적인 관계(예: 과자, 후추)"
else if(lift > 1)
	result = "A와 B가 서로 양의 관계(예:빵, 버터)"
else if(lift < 1)
	result = "A와 B가 서로 음의 관계(예: 지사제, 변비약)"
}}}

==== 언제 흥미롭다고 하는가? ====
 * 최소지지도 임계값(minimum support threshold)
 * 최소신뢰도 임계값(minimum confidence threshold)

{{{
IF(최소지지도 임계값 == "만족" AND 최소신뢰도 임계값 == "만족")
	Result = "흥미로움"
ELSE
	Result = "흥미롭지않음"
}}}

 * 최소지지도 임계값과 최소신뢰도 임계값을 둘 다 만족하는 규칙을 강한(strong) 규칙이라고 한다. 
 * 두 임계치의 결정은 사용자나 해당분야의 전문가들에 의해 결정됨.

==== R 예제 ====
소스가 좀 이상하다..R로 하니까 너무 느리다. SSAS data mining으로 해야 것다.

http://nicolemargaretwhite.blogspot.kr/2013/11/mining-for-association-rules-in-r.html
--> dataframe으로 하니까 .. 이거 참고하자. 

http://prdeepakbabu.wordpress.com/2010/11/13/market-basket-analysisassociation-rule-mining-using-r-package-arules/
{{{
transaction.csv
===========
1001,Choclates
1001,Pencil
1001,Marker
1002,Pencil
1002,Choclates
1003,Pencil
1003,Coke
1003,Eraser
1004,Pencil
1004,Choclates
1004,Cookies
1005,Marker
1006,Pencil
1006,Marker
1007,Pencil
1007,Choclates

#install.packages("arules")
library("arules")

tr = read.transactions(file="c:\\rdata\\transaction.csv", rm.duplicates= FALSE, format="single",sep="," ,cols =c(1,2));
basket_rules <- apriori(tr,parameter = list(sup = 0.5, conf = 0.9,target="rules"))
inspect(basket_rules)

rules.sorted <- sort(basket_rules, by="lift")
inspect(rules.sorted)

#install.packages("arulesViz")
library(arulesViz)
plot(basket_rules)
plot(basket_rules, method="graph", control=list(type="items"))
plot(basket_rules, method="paracoord", control=list(reorder=TRUE))
}}}


{{{
r <- sqlQuery(conn, "
select tid, items
from trnsaction_table
")

r.u <- unique(r)
head(r.u)
r.u <- sapply(r.u, unique)
names(r.u) <- paste("Tr", 1:length(r.u), sep="")

str(r.u)
ru.tr <- as(r.u, "transactions")

rules <- apriori(ru.tr, 
         parameter = list(supp = 0.5, conf = 0.9,
         target = "rules"))
}}}
==== 참고자료 ====
 * [http://cran.r-project.org/web/packages/arulesViz/vignettes/arulesViz.pdf Visualizing Association Rules]
 * http://www.rdatamining.com/examples/association-rules
 * [attachment:연관성_분석_박종명.doc 연관성 분석(박종명)]