|
데이터 셋의 분류를 위한 규칙을 생성 한다.
다. 클러스터 분석(Cluster analysis)
- 관련된 객체의 서브셋을 발견하고 이 서브셋의 각각을 기술하는 묘사를 발견해 나가는 기법이다.
6. 특성
- 대용량의 관측된 자료를 다룬다.
- 이론 보다는 실무 위
|
|
|
데이터로부터
（Science）
다양한 분석알고리즘을 이용하여 문제해결의 기본을 만들고
（Art）
데이터 분석 경험과 노하우를 통하여
숨어있는 내재된 관계, 패턴, 규칙을 발견하는 방법 1. Mining 소개
2. 필요성
3. 분석방법
4. 적용
|
|
|
Mining 발견 규칙
가. Data Mining Architecture
나. 연관규칙(Association rules)
- 레코드 셋에 대하여 아이템에 존재하는 친화도나 패턴을 찾아내는 규칙
다. 분류규칙(Classification rules)
- 데이터베이스 내의 객체의 셋에 대하여 그 안에 내재하는 공통 특성
|
|
|
데이터마이닝
3. 연관성 규칙
4. SEMMA(Sampling, Exploring, Modifying, Modeling, Assessment)
5. 의사결정나무
III. 분석
1. 데이터 탐색 및 전처리(Data preprocessing ; Sampling, Exploring, Modifying)
2. 의사결정나무(Decision Tree ; Modeling)
3. 연관성분석(Association ; Model
|
|
|
Mining 발견 규칙
가. Data Mining Architecture
나. 연관규칙(Association rules)
- 레코드 셋에 대하여 아이템에 존재하는 친화도나 패턴을 찾아내는 규칙
다. 분류규칙(Classification rules)
- 데이터베이스 내의 객체의 셋에 대하여 그 안에 내재하는 공통 특성
|
|
|
발견하였다. 따라서 이 항공사는 비행거리 뿐만 아니라 비행횟수에 의해서도 항공사가 제공하는 혜택을 받을 수 있도록 규칙을 변경하였다
) 엄용환,「새로운 정보기술,데이터 마이닝」,『행정과전산』 82집(2000), pp.78∼79
.
VI. 현재 데이터베
|
|
|
데이터 마이닝 도구가 준비되어야 한다. 구축된 고객 통합 데이터베이스를 대상으로 마이닝 작업을 통해 고객의 특성을 분석한다. 널리 알려진 RFM(recency, frequency, monetary) 분석 방식이나 LTV(Life Time Value) 분석과는 달리 데이터 마이닝 작업은 고
|
|
|
데이터마이닝’(Data mining)은 이처럼 다양한 사물들이 서로 맺고 있는 관계를 밝혀내는 데 사용하는 기술이다. 데이터마이닝은 60년대 초 미국의 통계학자 제임스 마이어와 에드워드 포지가 처음으로 만든 것으로 알려져 있다. 처음에는 은행
|
|
|
CRM, eCRM의 구축 효과 Page 69∼71
5-3. eCRM의 가반이 되는 Datawarehouse의 구축
1) 인터넷 데이터웨어하우스 구축 Page 72∼74
2) 고객관계관리와 데이터웨어하우스 구축 Page 74∼76
5-4. Web-mining의 도입 Page 77∼80
참고자료
|
|
|
Data Mining Solution의 마지막 Process가 pattern Analysis이다. 본 단계에서는 Web Data Mining을 이용하여 분석된 정보를 사용자들이 보다 쉽게 이해할 수 있도록 statistics, graphics, visualization, usability analysis, database querying 등을 이용한다
2) Web-Mining 활용 분야
S
|
|
메뉴펼치기
