연관분석 이야기(3)

장바구니 분석에 대해 처음 들은 것은 5년 전쯤 아니면 그 이전이었습니다.

 

그 유명한 기저귀 사러 간 김에 맥주도 사간다는 이야기 있잖아요.

참 그럴싸하게 들렸어요. 

 

나중에 어떤 글을 보니, 기저귀 맥주 이야기가 겉으로는 그럴싸하게 들리지만 실제 마케팅에 활용해보니 별 도움이 안됐다고도 합니다. 팩트 체크를 안해봐서 정말인지 아닌지는 잘 모르겠습니다.

 

 

 

그로부터 시간이 꽤 흘렀지요.

작년 초 이맘 때 쯤이었을까요?

 

 

업무로는 RCC(신장암중 대표 유형의 암종) 레지스트리 구축 업무를 담당한지 두어달 지나 적응이 좀 되었고, 개인적으로는 ADsP 합격 후에 ADP 를 준비하던 중이었지요.RCC 공부도 할 겸, ADP 실기 연습도 할 겸해서 Tumor(종양) invasion 을 가지고 연관 분석을 해보았습니다.

 

Tumor invasion 이 뭐냐면...

신장암을 포함한 대부분의 암(혈액암 제외)은 Tumor 가 얼마나 큰지 또는 주변 조직을 침범(invasion)했는지 여부 등을 종합하여 초기인지 말기인지 하는 병기(TNM stage)를 판단합니다.

 

RCC 의 경우 의미있게 보는 invasion 항목들입니다.

• Renal capsule invasion
• Perirenal fat invasion 
• Renal sinus fat invasion
• Lymphovascular invasion
• Lymphatic invasion
• Venous invasion
• Perineural invasion

 

의학에 문외한이지만 호기심이 발동합니다.

업무 파악 목적도 있고, ADP공부 목적도 있었지만, 그 보다 더 큰 것은 호기심입니다.

invasion 부위나 조직간에 연관성이 있지 않을까? A 라는 부분으로 침윤이 발생하면 B 는 바로 뚫린다거나 이런 유의미한 패턴이 혹시 있지 않을까? 연관분석이 제품 판매 영역에서 시작된 분석 기법이지만 이쪽에도 적용해보면 어떨지 시도해보았습니다.

 

 

인터넷에서 연관분석 장바구니 분석이라는 키워드로 R script 구해다가 돌려보았습니다.

 

크... 이게 뭡니까

 

한 가운데 => 모양이 있고 주변에서 이 썰렁한 곳으로 화살표가 찍찍... 

 

 

 

 

 

ADsP 공부하면서 지지도,신뢰도,향상도 어쩌고 열심히 외우고, 이런 저런 좋은 장점도 들었잖아요.

 

그런데 결과 화면이 생소합니다.

 

lhs ? rhs? 

이거 left hand side 좌변 right hand side 우변이라는 뜻인데,뭘까요?

if A then B 에서 A,B 에 해당하나 봅니다. 정답이 무엇인지 공부해보지 않아서 아직 모릅니다.

첫 번째 라인에 lhs 값이 빈칸 {} 인 항목이  제일 많군요. 그래서 그림이 저리도 썰렁한가 봅니다.

위 모습은 조직검사 결과지를 Oracle SQL 로 window function 과  regular expression 으로 파싱하여 구성한 기초 데이터를 R 로 연관분석한 결과입니다.

모집단이 신장암 환자인데, 몇 천 명 안됩니다.그런데 조직검사 결과 tumor 가 주변 조직으로 침투하지 않은 초기 환자들이 많기 때문에 연관 분석 대상 건수는 더욱 작았습니다.

음 결론은... 용두사미

부푼 꿈을 안고 분석을 해보았습니다만, 별다른 인사이트를 얻지 못했습니다.

샘플이 작아서였거나, 연관분석 기법에 미숙해서일 수도 있습니다.

그러나 분명한 것은 고려해야할 지표가 3가지나 되는 점도 큰 어려움이었습니다.
lift suport confidence 를 이렇게 저렇게 조정해가면서 한참을 시도해보았지만, 특별한 인싸이트는 커녕 결론다운 결론도 못내렸습니다.

 

통계 검정은 p-value 라는 것이 있어서 0.05보다 크냐 작냐로 그냥 결론 내릴수 있잖아요!

머시러닝 분류 기법들도 (R  기준으로) caret 패키지에서 정확도,F1 score 이런 평가지표 중 하나 선정해서 학습시키면 되잖아요!

 

그런데 이 연관분석은 3가지 지표중 하나를 선택하는 것이 아니라, 모두 종합적으로 고려해야 하는 것이라 어렵네요