親和性分析

アフィニティ分析は、データ セット内での共起に基づいて異なるエンティティ間の意味のある相関関係を明らかにするデータ マイニングの包括的な用語に該当します。ほぼすべてのシステムとプロセスで、アフィニティ分析を適用することで、予期しない傾向に関する重要な知識を抽出できます^{[引用が必要]}。実際、アフィニティ分析では、一緒になる属性を調査する利点を活用し、関連ルールを生成することでビッグ データ内の隠れたパターンを明らかにするのに役立ちます。関連ルールマイニングの手順は 2 つに分かれています。まず、データ セット内のすべての頻出属性を検出し、次に、サポートと信頼度という定義済みの基準を満たす関連ルールを生成して、頻出アイテムセット内で最も重要な関係を識別します。プロセスの最初のステップは、データ セット内の属性の共起をカウントすることです。次に、頻出アイテムセットと呼ばれるサブセットが作成されます。関連ルール マイニングは、条件または機能 (A) が存在する場合は別の条件または機能 (B) が存在するという形式をとります。最初の条件または機能 (A) は前提と呼ばれ、後者 (B) は帰結と呼ばれます。このプロセスは、追加の頻繁なアイテムセットが見つからなくなるまで繰り返されます。相関ルールマイニング技術を実行するための重要な指標は2つあります。サポートと信頼性です。また、問題の検索スペースを減らすために事前アルゴリズムが使用されます。 ^[1]

相関ルール学習アルゴリズムのサポート指標は、データセット内で前件または後件が一緒に出現する頻度として定義されます。さらに、信頼度は、A と B の両方を含むデータ レコードの比率によって決定される相関ルールの信頼性として表現されます。サポートと信頼度の最小しきい値は、モデルへの入力です。上記の定義をすべて考慮すると、アフィニティ分析では、他のイベントの発生に基づいてイベントの発生を予測するルールを作成できます。このデータ マイニング手法は、病気の診断、マーケット バスケット分析、小売業界、高等教育、財務分析など、さまざまな分野で検討されてきました。小売業では、アフィニティ分析を使用してマーケット バスケット分析を実行し、小売業者は顧客の購入行動を理解しようとします。この情報は、クロスセルやアップセルの目的に使用できるほか、販売促進、ロイヤルティ プログラム、店舗設計、割引プランにも影響します。^[2]

マーケットバスケット分析により、小売業者は、顧客がシャンプーとコンディショナーを一緒に購入することが多いため、両方のアイテムを同時にプロモーションしても収益は大幅に増加しない一方で、いずれかのアイテムのみを対象としたプロモーションでは、他のアイテムの売上が伸びる可能性が高いことがわかります。

マーケットバスケット分析は、小売業者に購入者の購買行動を理解するための情報を提供する場合があります。この情報により、小売業者は購入者のニーズを理解し、それに応じて店舗のレイアウトを変更したり、クロスプロモーションプログラムを開発したり、さらには新しい購入者を獲得したりすることができます（クロスセリングの概念によく似ています）。このことの初期の非公式な実例としては、あるスーパーマーケットチェーンが、おむつを購入した男性顧客がビールもよく購入し、おむつをビールのクーラーの近くに置いていたため、売上が劇的に増加したことを発見したというものがあります。この都市伝説は、教授が学生に概念を説明するために使用する例にすぎませんが、この架空の現象の説明としては、おむつを買いに行かされた父親は、ご褒美としてビールもよく買うということが考えられます。^{[3]この種の分析は、}データマイニングの使用例であると考えられています。マーケット バスケット分析を使用した Web 上のクロス セリングの広く使用されている例としては、Amazon.com による「書籍 A を購入した顧客は書籍 B も購入しました」という表示があります。たとえば、「『ポルトガルの歴史』を読んだ人は『海軍の歴史』にも興味を持っていました」などです。

マーケットバスケット分析は、顧客をグループに分けるのに使用できます。企業は、人々が卵と一緒に購入する他のアイテムを調べ、ケーキを焼く（小麦粉と砂糖と一緒に卵を購入している場合）またはオムレツを作る（ベーコンとチーズと一緒に卵を購入している場合）と分類できます。この識別は、他のプログラムを推進するために使用できます。同様に、製品を自然なグループに分割するために使用できます。企業は、どの製品が最も頻繁に一緒に販売されているかを確認し、これらのグループに合わせてカテゴリ管理を調整できます。^[4]

電子POSの導入以来、マーケットバスケット分析のビジネス利用は大幅に増加しています。^[2] Amazonは、購入履歴や同じ商品を購入した他の人の購入履歴に基づいて商品を推奨する際に、アフィニティ分析をクロスセリングに使用しています。Family Dollarは、マーケットバスケット分析を使用して、利益率の低い 消耗品の在庫を増やしながら、売上成長を維持することを計画しています。^[5]

アフィニティ分析の重要な臨床応用は、関連ルールを生成するために患者の医療記録に実行できることです。得られた関連ルールをさらに評価して、大量の情報で一致するさまざまな状態や特徴を見つけることができます。^[6]効果的な予防または治療介入を行うには、状態に寄与するさまざまな要因間に関連性があるかどうかを理解することが重要です。エビデンスに基づく医療では、腫瘍や癌の発生に関連する症状の共起を見つけることは、病気を最も早い段階で診断するのに役立ちます。^[7]特定の病気に関連する患者のさまざまな症状間の関連性を調べることに加えて、アフィニティ分析を使用して、別の状態に寄与するさまざまな病気間の相関関係を特定することもできます。^[8]

• 相関ルール学習

• J. Han 他、2006 年、「データマイニング: 概念とテクニック」 ISBN 978-1-55860-901-3 
• V. Kumar 他 2005データマイニング入門 ISBN 978-0-321-32136-7 
• U. Fayyad 他 1996知識発見とデータマイニングの進歩 ISBN 978-0-262-56097-9 

• Excel を使用した基本的なマーケット バスケット分析の例