임상데이터 마이닝

소개글

임상데이터 마이닝에 대한 보고서 자료입니다.

목차

데이터마이닝의 정의

데이터마이닝의 기능

데이터마이닝의 절차

데이터마이닝의 발견 규칙

데이터마이닝의 기법

데이터마이닝의 특성

본문내용

1. Datamining의 정의
대용량의 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙을 찾아내고 모형화해서 필요한 지식을 얻고, 그 효과를 예측하기 위한 기법이다.
패턴 인식 기술이나 통계기법, 수학적 알고리즘을 이용하여 의미있는 새로운 상관관계, 시간에 따른 유형분석, 특정기준에 따른 분할 및 분석하는 과정
- 대용량의 데이터에서 필요한 지식을 얻고자 하는 과정
- 대용량의 데이터베이스로부터 쉽게 들어나지 않는 유용한 정보를 추출
- 숨겨진 지식, 숨겨진 패턴, 새로운 법칙등을 발견
- 지식발견, 지식추출
2. Datamining의 기능
분류
대상의 특징을 분석하여 이를 어느 한 범주에 할당하고 레코드에 분류필드(변수)를 추가하는 기능
분류모형은 사전에 정의된 분류체계나 사전에 분류된 학습진단(training set)을 근거로 형성됨.
주요기법 : 의사결정나무(Decision Tree), 사례기반추론(Memort-Based Reasoning), 연계분석(Link Analysis)
예:키워드에 따라 기사분류, 신용카드 신청자의 신용등급 분류, 허위부당 보험청구 분류
추정
분류가 이산변수(예,아니오;기독교,불교,천주교)를 다루는 반면 추정은 연속형 값(소득,키,은행잔고)을 갖는 연속형변수를 처리
주로 신경망(Neural Network)기법을 사용
예:자녀 수, 소득, 주택의 평수 등을 통하여 신용카드 계좌를 변경할 집단을 분류
예측
미래에 일어날 일에 대하여 추정하거나 분류함.
측정될 변수를 알고 이에 대한 과거의 자료가 있다면 모든 분류와 추정에서 사용되었던 기법들을 가지고 예측을 시도함
어느 고객이 6개월 내 이탈 할 것인가 예측, 전화의 유료서비스를 이용할 고객의 예측
2. Datamining의 기능
유사집단화
유사한 특성을 갖는 사물들을 함께 묶어주는 작업
예 : 장바구니 분석, 카탈로그나 진열대에 어떤 것을 같이 진열, 끼워 팔기 품목 결정 등
군집화
이질적인 요소로 구성되어 있는 모집단을 여러 개의 동질적인 군집으로 분류
분류와는 달리 군집화는 미리 정의된 군집이 없음.
따라서 군집화를 통하여 나누어진 각각의 부집단에 의미를 부여하는 것은 분석자의 역할
서술
복잡한 데이터베이스에 내재하는 사람이나 제품 또는 데이터에 대하여 이해를 증진시킬 어떤 사항들을 기술함.
예 : 사람들에 투표성향에 대한 분석에서 “여성이 남성보다 민주당을 더 지지한다”는 기술은 공직출마자, 사회학자, 정치학자 등에게는 중요한 정보
3. Datamining의 절차
가. Sampling 단계
적절한 양의 표본을 원 자료로부터 추출하는 단계
시간/비용의 절약과 함께 효율적 모형의 구축에 필수적
임의추출법, 층화추출법 등
나. Cleaning/Preprocessing 단계
데이터의 일관성을 유지하고 스키마를 통합 등 불완전한 데이터를 정제하여 데이터의 무결성과 질을 보장.
데이터 스키마 및 포맷등을 통합
다. Transformation/ Exploration 단계
여러 가지 자료의 탐색을 통해 기본적인 정보(기초통계 자료, 도수분포표, 평균, 분산, 비율 등)를 획득하는 단계
데이터의 모양의 면밀히 검토하여 정보화의 기반을 다지는 과정 이다.
라. Modeling 단계
데이터마이닝의 핵심 (가장 중요한 단계!)
데이터로부터 다양한 형태의 마이닝 기법을 적용시켜 패턴을 추출해 낸다.
Neural Network, 결정트리등의 기법 사용
분석목적에 따라 적절한 기법을 사용하여 예측모형을 만드는 단계
마. Reporting/Visualization 단계
그래프나 각종 차트등으로 사용자들에게 보기 편하고 이해하기 쉬운 형태로 제공

키워드

임상데이터 마이닝,   데이터마이닝의 정의,   데이터마이닝의 기능