|
데이터를 실시간에 분석하고 이를 통해 다양한 형태의 의사결정을 수행 할 수 있는 단계에 도달
- 중략 - 제1장 데이터마이닝의 개요
제2장 자료탐색
제3장 군집화
제4장 연관규칙의 발굴
제5장 나무모형
제6장 신경망
제7장 로지스틱 회귀
|
|
|
데이터를 통한 전술적 의사 결정이 가능하게 됨
- 중략 - 제1장 데이터 마이닝 개요
제2장 자료의 탐색
제3장 군집화
제4장 연관규칙의 발굴
제5장 나무모형
제6장 신경망
제7장 로지스틱 회귀모형과 평점표
- 각 장별 출제예상문제
|
|
|
데이터를 통한 전술적 의사 결정이 가능하게 됨
- 중략 - 제1장 데이터 마이닝 개요
제2장 자료의 탐색
제3장 군집화
제4장 연관규칙의 발굴
제5장 나무모형
제6장 신경망
제7장 로지스틱 회귀모형과 평점표
- 각 장별 출제예상문제(해설
|
|
|
- 제1장 데이터마이닝의 개요 제2장 데이터마이닝의 활용 제3장 자료의 탐색 제4장 군집분석 제5장 연관규칙의 발굴 제6장 나무모형과 앙상블 기법 제7장 신경망 모형 제8장 로지스틱 회귀모형과 평점표 - 각 장별 출제예상문제(해설포함)
|
|
|
데이터를 바탕으로 신용등급을 결정하는 시스템을 많이 사용한다. 1. 데이터 마이닝 분석 기법
① 전통적인 통계적 방법(회귀분석, 판별분석)
② 의사결정나무(Decision Tree)
③ 신경망(Neural Networks)
④ 시각화(Data Visualization)
⑤
|
|
|
데이터마이닝 전망
■ 데이터 마이닝 기술은 2000년대의 데이터베이스 주요 응용기술로서 각광을 받게 될 것이므로 우리도 이에 준비를 해야 할 것이다.
데이터 마이닝은 대용량 데이터베이스에 존재하는 여러 가지 유용한 지식을 캐내는 기
|
|
|
데이터마이닝에서의 신경망모형
(1) 신경망에 적합한 모형
성향분석 (discrete behaviors)
… 응답자 ↔ 무응답자
… 구매자 ↔ 비구매자
… 일회성 고객 ↔ 지속적인 고객
… 대량구매고객 ↔ 소량구매 고객
… 고정고객 ↔ 이탈고객
성과모형 (per
|
|
|
데이터마이닝 기법
▪ Regression - 회귀 분석
▪ Association – 연계
▪ C4.5 - 의사결정트리 기반의 분류 알고리즘
▪ Episode - 사례
▪ Sequence - 순차
CRM마케팅
CRM 마케팅
Customer Relationship Management – 고객관계관리
&#
|
|
|
노드
2) 결과
① 로지스틱 회귀
② 신경망
③ 나무형 분류
④ 분석법의 비교
ⓐ 오분류율의 비교
ⓑ 평가도표의 비교
3) 최적의 모형 선택과 그 이유
4) 최적의 선택된 로지스틱 모형의 손익 계산
Ⅳ.결론 및 고찰
|
|
|
제1장 데이터마이닝의 개요 제2장 데이터마이닝의 활용 제3장 자료의 탐색 제4장 군집분석 제5장 연관규칙의 발굴 제6장 나무모형과 앙상블 기법 제7장 신경망 모형 제8장 로지스틱 회귀모형과 평점표 - 각 장별 출제예상문제(해설포함) 총4
|
|
메뉴펼치기
