해설 보기
정답설명은 항목 간 동시 발생 빈도로 연관 규칙을 찾는 연관 분석(장바구니 분석)에 해당하므로 정답은 ③ 연관 분석입니다.
핵심 개념
데이터 마이닝 기법 - 연관 분석(장바구니 분석)
연관 분석(association analysis)은 트랜잭션 데이터에서 함께 발생하는 항목들의 빈도를 분석해 'A를 사면 B도 산다'와 같은 연관 규칙을 찾아내는 기법으로, 장바구니 분석(market basket analysis)이라고도 부릅니다. 지지도(support), 신뢰도(confidence), 향상도(lift)를 지표로 사용하며 Apriori, FP-Growth 알고리즘이 대표적입니다. 반면 분류는 레이블이 있는 데이터로 범주를 예측하고, 군집은 레이블 없이 유사한 데이터를 묶으며, 회귀는 연속형 수치를 예측한다는 점에서 구분됩니다.
선지별 해설
①분류 분석은 이미 범주(레이블)가 정해진 학습 데이터를 이용해 새로운 데이터가 어느 범주에 속하는지 예측하는 지도학습 기법입니다. 항목 간 동시 구매 빈도를 다루는 장바구니 분석과는 목적이 다릅니다.
②군집 분석은 레이블 없이 데이터 간 유사도를 기준으로 비슷한 개체끼리 묶는 비지도학습 기법입니다. 고객 세분화 등에 쓰이며, 항목 간 연관 규칙을 도출하는 장바구니 분석과는 구별됩니다.
③연관 분석이 바로 장바구니 분석입니다. 거래 데이터에서 항목들의 동시 발생 빈도를 지지도·신뢰도·향상도로 계산해 숨은 규칙을 찾아내며, 교차판매나 상품 진열 등 마케팅에 널리 활용됩니다.
④회귀 분석은 독립변수와 종속변수의 관계를 함수식으로 모델링해 연속형 수치를 예측하는 기법입니다. 빈도 기반의 규칙 탐색이 아니므로 지문의 설명과 맞지 않습니다.
해설 보기
정답일반 사용자는 시스템 카탈로그를 검색만 할 수 있고 직접 추가·수정할 수 없으므로 ③이 옳지 않은 설명입니다.
핵심 개념
시스템 카탈로그(데이터 사전)의 특성
시스템 카탈로그는 DBMS가 관리하는 모든 데이터 객체에 관한 정보, 즉 메타데이터를 저장한 시스템 테이블의 집합이며 데이터 사전(data dictionary)이라고도 합니다. 릴레이션 이름과 속성, 도메인, 인덱스, 뷰, 사용자 권한, 무결성 제약, 튜플 수와 블록 수 같은 통계 정보까지 담겨 질의 최적화기가 이를 참조합니다. 카탈로그 자체도 일반 릴레이션 형태여서 사용자가 SQL로 조회(SELECT)할 수는 있지만, 갱신은 DBMS가 DDL 실행 시 자동으로 수행하며 사용자가 직접 INSERT·UPDATE하는 것은 허용되지 않습니다.