데이터마이닝 기법

소개글

A+

목차

[1] 연관규칙(Association rules)
[2] 순차패턴(Sequential patterns)
[3] 클러스터링(Clustering)
[4] 의사결정나무(Decision Trees)
[5] 신경망 모형(Neural Networks)
[6] 유전학적기법
[7] 사례 기반 추론 기법(CBR)

본문내용

[4] 의사결정나무(Decision Trees)
의사결정나무(Decision Trees)는 분류 또는 예측을 목적으로 하는 어떤 경우에도 사용될 수 있는 기법으로 분석의 정확도보다는 분석과정의 설명이 필요한 경우에 더 유용하게 사용
(1) 세분화(Segmentation)
데이터를 비슷한 특성을 갖는 몇 개의 그룹으로 분할하여 각 그룹별 특성을 발견하는 경우 또는 각 고객이
어떤 집단에 속하는지를 파악하고자 하는 경우
(2) 분류(Classification, Stratification)
관측개체를 여러 예측 변수들에 근거하여 목표변수의 범주를 몇 개의 등급으로 분류하고자 하는 경우.
(3) 예측(Prediction)
자료로부터 규칙을 찾아내고 이를 이용하여 미래의 사건을 예측하고자 하는 경우.
(4) 차원축소 및 변수선택(Data reduction and variable screening)
매우 많은 수의 예측변수 중에서 목표변수에 큰 영향을 미치는 변수들을 골라내고자 하는 경우
(5) 교호작용효과의 파악(Interaction effect identification)
여러 개의 예측 변수들이 결합하여 목표변수에 작용하는 규칙(교호작용효과)을 파악하고자 하는 경우

참고 자료

없음