|
의사결정 상황이 달라짐.
이득(pay off) : 의사결정자가 어떤 대체안을 선택할 때 주어진 상황에 따라 다른 결과를 얻는 것이 바로 이득이다. 1. 의사결정나무
- 의의, 구조, 작성방법
2. 복잡한 의사결정나무모형
- 표본정보에 의
|
|
|
모형이 가장 널리 사용되고 있으며, 고객 세분화를 위한 방법으로 의사결정나무(decision tree) 모형이 많이 사용된다.
의사결정나무 모형은 Breiman 등에 의해서 소개되었고[Breiman, 1984], Loh 등에 의해 많은 발전이 이루어졌다[Loh, 1997]. 의사결정나
|
|
|
의사결정의 개념 및 방법
1) 의사결정의 개념
2) 의사결정의 방법
2. 의사결정의 모형
1) 합리모형
2) 만족모형
3) 점증모형
4) 제한된 합리주의적 모형
5) 쓰레기통 모형
3. 의사결정의 기술
1) 개인의사결정 기술
2) 집단의사결정 기술
|
|
|
decision tree형태로 나타나기 때문에 분석결과를 좀더 쉽게 알아 볼 수 가 있다. 한편, bayesian은 데이터를 분석을 할때 관측된 데이터만 가지고 분석을 하는 것이 아니고 과거에 이미 알려진 사실 또는 분석자의 주관적인 생각까지 넣어서 분석을
|
|
|
Decision Tree를 이용하여 모형화 하기로 결정하였다. 1. 분석 Data
2. Data Set 내용
3. 1 테이블 레이아웃
3. 2,3 데이터 분포도
4. 방법론-의사결정나무
4.1 의사결정나무 구성요소
4. 2 프로젝트생성
4. 3 프로젝트 노드 생성
4. 4 Input D
|
|
|
결정 관련문제 등에 널리 활용될 수 있다.
(3) 의사결정 나무
의사결정나무(decision tree)기법이란 정보가 불확실하거나 불완전한 위기의 상황 하에서 의사결정하는 데 이용되는 기법이다. 이는 의사결정에서 고려되는 여러 대체안의 구조를 마
|
|
|
MBMS는 데이터를 분석하기 위한 모형의 보고다. 통계분석이 분석모형으로 활용될 수도 있고, 의사결정나무 분석(decision tree analysis)도 활용될 수 있으며, 비용편익분석도 활용될 수 있다. 분석모형은 DSS의 목적에 맞는 것으로 선택해야 한다.
3)
|
|
|
데이터 마이닝의 의의
1. 데이터 마이닝과 데이터베이스의 정의
2. SAS Enterprise miner 의 기본 개념
3. 모형구조 방법
Ⅲ. 연구자료 및 연구 방법
1. 연구 자료
2. 연구 방법
Ⅳ. 분석 결과
1. Mutiplot node
2. tree node
Ⅴ. 결론
Ⅵ. 참고문헌
|
|
|
의사결정수(Decision Trees)
5. 신경망모형(Neural Networks)
Ⅵ. 데이터마이닝의 기술 활용
1. 비즈니스 데이터마이닝(Business Data mining)
2. 웹 텍스트 마이닝(Web Text Mining)
3. 지식관리시스템(Knowledge Management System)
1) Dateware
2) Sovereign Hill Software, Inc.
|
|
|
의사결정수(Decision Trees)
5. 신경망모형(Neural Networks)
Ⅵ. 데이터마이닝의 기술 활용
1. 비즈니스 데이터마이닝(Business Data mining)
2. 웹 텍스트 마이닝(Web Text Mining)
3. 지식관리시스템(Knowledge Management System)
1) Dateware
2) Sovereign Hill Software, Inc.
|
|
메뉴펼치기
