データマイニングにおけるアソシエーション分析

アソシエーション分析(Association Rule Learning / バスケット分析)は、大量のトランザクションデータ(POS購買履歴など)から、「商品Aを購入した顧客は商品Bも同時に購入する傾向がある」といった事象間の共起性・相関ルール($A \implies B$)を発見するデータマイニング手法です。 ルールの有効性の評価指標として、支持度(Support)、信頼度(Confidence)、リフト値(Lift)が用いられます。したがってイが正解です。 各選択肢の解説は以下のとおりです。 回帰分析(単回帰分析・重回帰分析)の説明です。 因子分析(Factor Analysis)の説明です。 主成分分析(PCA: Principal Component Analysis)の説明です。

データ分析手法の一つである,アソシエーション分析はどれか。

出典令和7年度秋期 応用情報技術者試験 午前 問63
ア
結果となる数値(目的変数)と要因となる数値(説明変数)との関係性について最小二乗法を用いて分析する。気温の変化が売行きにどの程度影響するかなどの事象の予測に用いられる。
イ
商品を購買するときの関連性や同時性などのルールを購買データに基づいて見いだすなど,データ間の統計的なパターンや,意味のある関連性を抽出する。信頼度,支持度及びリフト値によってルールを評価し,有効性を確認する。
ウ
多数の変数の情報(観測変数)に存在する共通因子を仮定し,モデル化して分析する。共通因子を設けることによってデータの数が増加しても複雑になることを防ぎ,現象を分かりやすく捉えることができる。
エ
多数の変数の情報(観測変数)をできるだけ少ない指標や次元(合成変数)で要約する。データのもつ情報をできる限り損なわずに全体の傾向を可視化することができる。