アソシエーションパターンの評価方法とは？客観的・主観的な興味深さの基準を解説

アソシエーション分析のアルゴリズムは、膨大な数のパターンを生成する可能性があります。例えば、データセットに含まれる項目がわずか6個であっても、特定のサポート度と確信度のしきい値において、数千件ものアソシエーションルール（相関ルール）が作り出されることがあります。

実際のビジネスデータベースは規模も次元も非常に大きくなりやすいため、抽出されるパターンは数千件、さらには数百万件に達することも珍しくありません。しかも、その中にはあまり価値のないパターンが多数含まれています。そのため、「どのパターンが本当に興味深いのか」を見極めることは決して簡単な作業ではありません。ある人にとって不要な情報が、別の人にとっては貴重な発見になることもあるからです。

この課題に対応するためには、アソシエーションパターンの品質を測定するための、広く受け入れられた一連の評価基準を整備することが不可欠です。

客観的な評価基準（統計的な観点）

最初の評価基準は、統計的な議論から導き出すことができます。互いに無関係な項目同士で構成されるパターンや、ごく少数のトランザクションしかカバーしないパターンは、データ中の偽の関連性（見かけ上の相関）を反映している可能性があるため、興味がないものとして扱われます。

このようなパターンは、データから導出された統計量に基づいてパターンの興味深さを判定する「客観的な興味深さ尺度」を使うことで除去できます。客観的興味深さ尺度の代表例としては、以下のようなものが挙げられます。

• サポート度（support）
• 確信度（confidence）
• 相関（correlation）

主観的な評価基準（ドメイン知識の観点）

もう一つの評価基準は、主観的な議論に基づくものです。あるパターンが、データに関する予期しない新たな知見を提供するか、あるいは収益につながる実用的な知識を裏付けるものでない限り、主観的には興味がないと判断されます。

例えば、「{バター} → {パン}」というルールは、サポート度や確信度が高かったとしても、その関係があまりに自明であるため、興味深いとは言えません。

一方、「{おむつ} → {ビール}」という有名なルールは興味深いとされます。この関係は直感に反する予想外のものであり、小売業者にとって新しいクロスセル（併売）施策のヒントになり得るからです。

ただし、こうした主観的な知識をパターン評価に組み込むのは容易な作業ではありません。ドメイン専門家による大量の事前知識が必要となるためです。

主観的知識を組み込むための3つのアプローチ

パターン発見のプロセスに主観的知識を取り入れる手法として、代表的なものは次の3つです。

1. 可視化（Visualization）

このアプローチでは、人間のユーザーが分析プロセスに関与し続けられる、使いやすい環境が必要です。ドメイン専門家が発見されたパターンを実行・検証しながらデータマイニングシステムと対話できるため、直感的な判断を評価に反映できます。

2. テンプレートベースのアプローチ

このアプローチでは、ユーザーがマイニングアルゴリズムによって抽出されるパターンの種類を制約できます。抽出されたすべてのルールを提示するのではなく、ユーザーが指定したテンプレートに合致するルールだけを結果として返します。

3. 主観的興味深さ尺度

概念階層や要素の利得閾値といったドメイン知識に基づいて、主観的な尺度を定義できます。この尺度を用いることで、自明であり実行可能なアクションにつながらないパターンをフィルタリングできます。