Boston Housing scheme Data Mining

소개글

SAS 데이타마이닝 최종과제로 발표한 Boston Housing scheme Data Mining입니다.
교수님께서 좋은 피드백을 주셨고 저희또한 만족합니다. 유용하게 쓰세요.

목차

최종 다이어그램
데이터 마이닝이란?
데이터 마이닝의 도입배경
개 요
분석 데이터 자료
조사방법 및 자료설명
STEP 1. DATA PARITION
STEP 2 Filter Outliers

본문내용

Tool의 출현
시장 경쟁의 심화
시장상황의 빠른 변화
Large-scale Data Mining을
가능하게 하는 컴퓨팅 파워 증대
고객 접점에서의 고객 관리 필요
데이터 마이닝의 도입배경
미국 동부도시중의 하나인 보스톤 행정구역에 관한 부동산 자료를 이용하여 이용하여 적
절한 Data 가공작업 및 데이터 Mining기법에 근거한 부동산가격을 예측하는 예측모델링
을 통해 모델을 개발하고 개발된 결과를 도출함.
부동산 데이터의 14개의 변수 중에서 타겟변수를 MEDV 즉, 평균집값으로 정하였다.
이는 주어진 부동산 데이타에서의 목적이 보스턴 행정구역의 집 값과 다른 변수와의
관계를 알아보고자 하는 것이므로, 각각의 변수들이 집 값을 결정짓는데 얼마만큼의
영향을 미치는지를 알아보아야 할 것이다. 이 과정에서 실제 집값을 결정하는데 영향을
미치는 변수를 알아보고, 집 값에 영향을 미치지 않는 변수도 알 수 있을 것이다.
즉, 이 데이터를 이용하여 어떠한 변수들이 집값에 얼마만큼 영향을 미치는지 알아보기로
하고 분석에 들어간다




STEP 3 Variable Selection
Selection criterion: R-square
Squared correlation<0.005
Stepwise R2 improvement<0.0005
Use only grouped class variables
Reject variables with more than 50% missing values
- 집 값에 대한 영향력을 갖고 있는 변수를 찾기 위해 각 변수들과 집 값과의 R2값들을 이용하여 변수선택을 한 결과 비 소매사업의 비율(INDUS)을 제외한 모든 변수들이 영향력을 가지고 있으며 결과는 다음과 같다. 따라서 위에 그래프에서 INDUS 변수는 분석에서 제외된다.
STEP 3 Variable Selection
RM(방의 수), PTRATIO(학생 대 선생님 비율), PTRATIO(초,중등학교 교사비율) LSTAT(저소득층 비율) 가 목표변수에 대한 입력변수 중에서 설명력이 높음을 알 수 있다. 그 다음의 요인들은 위의 4개의 변수들에 비해 현저히 작거나 모두 비슷한 영향력을 보이는 것을 알 수 있다.
STEP 4 Regression
이 데이터에서 입력변수는 여러 개이므로 다중회귀분석을 하였다. 물론 회귀추정식이 비선형으로 나타나면 변환을 통해 선형으로

참고 자료

없음