프로젝트/방법론명:

어프라이어리 알고리즘

유형:

데이터 마이닝 알고리즘

개요:

어프라이어리 알고리즘은 데이터베이스에서 빈번한 항목 집합을 찾고 연관 규칙을 발견하는 데 사용되는 알고리즘입니다.

추진/개발 주체:

Rakesh Agrawal과 Ramakrishnan Srikant에 의해 개발되었습니다.

추진 시기:

1994년

적용 분야:

주로 마케팅, 소매업, 추천 시스템 등에서 사용됩니다.

핵심 내용 및 구성:

어프라이어리 알고리즘은 '빈발 항목 집합'을 찾기 위해 반복적인 접근 방식을 사용하며, 최소 지지도와 신뢰도를 기반으로 연관 규칙을 생성합니다. 기본적으로 데이터베이스의 모든 항목 집합을 탐색하여 빈발 항목 집합을 식별하고, 이를 통해 연관성을 찾아내는 방식입니다. 알고리즘은 두 단계로 구성됩니다. 첫 번째 단계에서는 후보 항목 집합을 생성하고, 두 번째 단계에서는 이들 후보 항목 집합의 빈도를 계산하여 최소 지지도를 만족하는 빈발 항목 집합을 식별합니다. 이러한 과정을 통해 데이터 내에서 유의미한 패턴을 발견할 수 있습니다.

성과 및 영향:

어프라이어리 알고리즘은 데이터 마이닝 분야에서 연관 규칙 학습의 기초를 마련하였으며, 다양한 산업에서 데이터 기반 의사결정을 지원하는 도구로 널리 사용되고 있습니다.

관련 사례:

대형 소매점에서 고객의 구매 패턴을 분석하여 상품 배치를 최적화하는 데 사용되었습니다.

이칭(alias):

Apriori Algorithm

참고 정보:

어프라이어리 알고리즘은 데이터 마이닝의 고전적인 알고리즘으로, 연관 규칙 학습의 기초를 제공하며, 다양한 변형 알고리즘의 기반이 되었습니다.