총 74개
-
개인의사결정방법(의사결정나무분석, 대안선택흐름도표)2025.01.151. 의사결정나무분석 의사결정나무분석(decision tree analysis)은 대안 선택에 따라 초래될 결과를 쉽게 예측할 수 없는 불확실한 상황에서 의사결정을 하는 방법입니다. 복잡하고 다양한 대안에 대해 '예/아니요'를 선택해 도식화함으로써 발생할 수 있는 상황을 예측하여 최종적인 의사결정에 반영하도록 합니다. 의사결정나무를 구성하는 요소에는 나무의 골격에 해당하는 대안의 종류, 각 대안을 채택 혹은 기각할 수 있는 경우, 각각의 선택에 따라 발생할 수 있는 이익과 손실로서의 결과가 있습니다. 의사결정나무분석은 최종적으로 의...2025.01.15
-
의사결정의 구성요소, 의사결정나무를 포함하여 의사결정의 계량적 방법에 대해 설명하시오2025.01.171. 의사결정의 구성요소 의사결정에 있어 '무엇을', '언제', '어디서', '어떻게', '누가'와 같은 요소들이 중요하게 고려된다. 이러한 요소들은 생산을 위한 자원 필요량, 작업 시기, 장소, 방법, 주체 등을 포함한다. 2. 의사결정나무 의사결정나무는 분류와 예측을 위해 널리 사용되는 방법으로, 결과에 대한 설명이 쉽고 이해하기 쉬운 장점이 있다. 의사결정나무 알고리즘에는 CART, CHAID, C4.5, C5.0 등이 있으며, 변수 선택, 최적 분리, 종료 규칙 등을 고려해야 한다. 3. 기타 의사결정의 계량적 방법 시간-비...2025.01.17
-
의사결정의 구성요소, 의사결정나무를 포함하여 의사결정의 계량적 방법에 대해 설명하시오2025.01.201. 의사결정의 구성요소 의사결정의 주요 구성요소에는 목표 설정, 대안 탐색, 결과 예측, 선택 기준 설정이 있다. 이러한 요소들은 의사결정 과정의 기초를 이루며, 각 단계에서 적절한 분석과 평가가 이루어져야 한다. 목표는 의사결정의 방향성을 제공하며, 구체적이고 측정 가능해야 한다. 대안 탐색 단계에서는 다양한 가능성을 고려하고 각각의 장단점을 분석한다. 결과 예측 단계에서는 과거 데이터와 미래 트렌드를 고려하여 다양한 시나리오를 설정하고 확률을 평가한다. 선택 기준은 목표와 일치하는 수치화된 기준을 사용하여 대안을 공정하게 비교...2025.01.20
-
생산관리 ) 의사결정의 구성요소, 의사결정나무를 포함하여 의사결정의 계량적 방법에 대해 설며하시오.2025.01.201. 의사결정의 구성요소 의사결정에서 가장 중요한 것은 목표이다. 기업이나 조직에서 앞으로 나아가야 할 방향이나 비전인 목표가 올바르게 설정되어 있어야 한다. 또한 의사결정을 진행할 수 있는 권한을 가진 사람, 의사결정을 해야 하는 이슈, 의사결정에 대한 책임이 있어야 한다. 의사결정은 확실한 개선점이나 방향성이 있어야 하며 대응 방안이 구성되어 있어야 한다. 2. 의사결정나무 의사결정나무는 의사결정에 대한 규칙이나 내용을 시각화하여 표시하는 것이다. 이는 올바른 의사결정을 하기 위한 계량적인 방안으로, 알고리즘과 유사한 형태로 구...2025.01.20
-
의사결정의 구성요소와 계량적 방법2025.01.171. 의사결정의 구성요소 의사결정에는 '무엇을', '언제', '어디서', '어떻게', '누가'와 같은 주요 구성요소가 있다. 이러한 요소들을 고려하여 의사결정을 내리는 것이 중요하다. 2. 의사결정나무 의사결정나무는 분류와 예측을 위해 널리 사용되는 방법으로, 결과에 대한 설명이 쉽고 이해하기 쉬운 장점이 있다. 의사결정나무 알고리즘에는 CART, CHAID, C4.5, C5.0 등이 있으며, 이들은 공통적인 구조를 가지고 있다. 3. 의사결정나무의 고려사항 의사결정나무 알고리즘에서는 독립변수의 수, 최적 분리 방법, 종료 규칙 등...2025.01.17
-
의사결정의 구성요소2025.01.241. 의사결정의 구성요소 의사결정 과정은 마치 끝이 보이지 않는 미로를 헤쳐나가는 것처럼 복잡하고 때로는 예측 불가한 순간들을 만들어낸다. 목표 설정, 대안 선택, 제약 조건, 우선순위 결정 등이 의사결정의 필수불가결한 요소이며, 이들은 모두 의사결정 과정에서 중추적인 역할을 담당하고 있다. 의사결정나무와 같은 계량적 도구는 이런 복잡한 상황을 시각적으로 단순화하고, 최적의 대안을 선택하는 데 도움을 준다. 하지만 의사결정은 단순한 문제가 아니며, 이런 계량적 도구조차도 때때로 한계를 가진다. 의사결정에서 반드시 직관이 완전히 배제...2025.01.24
-
데이터마이닝 ) 나무 형태를 이용한 지식 표현 사례2025.01.031. 의사결정나무 의사결정나무는 예측모형에서 가장 많이 사용되며 의사결정 규칙을 도표화하여 대상 집단을 분류하거나 예측하는 분석 방법입니다. 의사결정나무의 장점은 나무구조에 의해 모형이 표현되어 사용자의 이해가 쉽고, 유용한 예측변수나 비선형성을 자동으로 찾아낼 수 있으며, 선형성이나 정규성, 등분산성과 같은 가정을 필요로 하지 않는 비모수적인 방법이라는 것입니다. 하지만 의사결정나무 모형은 연속형 변수를 비연속적인 값으로 취급하여 분리의 경계점에서 예측오류가 큰 가능성이 있고, 선형성과 주 효과를 가지지 못한다는 단점이 있습니다....2025.01.03
-
데이터 마이닝, 출석수업 과제물 (2023 1학기, 30점 만점)2025.01.251. 데이터 마이닝 기법 데이터 마이닝은 데이터에서 의미를 추출하는 기법을 의미하며, 모수적 모형 접근 방법과 알고리즘 접근 방법이 모두 활용될 수 있다. 모수적 모형 접근법은 모형을 설정하고 모수를 추정하는 방식이며, 알고리즘 접근법은 정해진 알고리즘으로 계산하여 결과를 분석하는 방식이다. 각각의 장단점이 있으며, SNS 텍스트 데이터 분석에 활용할 수 있다. 2. 로지스틱 회귀모형 적합 와인 품질 데이터에 로지스틱 회귀모형을 적합하였다. alcohol 변수만 사용한 모형, sulphates 변수만 사용한 모형, 그리고 유의미한 ...2025.01.25
-
경영데이터마이닝 데이터 기초분석 발표자료2025.05.111. 직원 퇴사율 증가 문제 A 회사의 인사과 담당자는 A 회사 직원들의 퇴사율이 증가하고 있음을 발견했습니다. 신규 직원 채용 비용을 절감하고, 우수 인재 유지를 위해서 인사관리 정책을 새롭게 바꾸고자 합니다. 과거 데이터를 분석하여 직원들의 니즈를 반영한 맞춤형 인사관리를 하려고 합니다. 2. 데이터 마이닝 문제 회사를 그만두는 사람과 그렇지 않은 사람은 어떤 기준으로 분류될까? 회사를 그만두는 주된 이유는 무엇일까? 현재 회사를 다니고 있지만 곧 떠날 것이라고 추정되는 사람들은? 3. 데이터 소개 인구통계학적 정보와 회사생활에...2025.05.11
-
프로그램 개발을 위한 자료수집과 대안선택의 주요 내용 및 사회복지현장에서의 필요성2025.01.041. 프로그램 개발을 위한 자료수집 방법 프로그램 개발을 위한 자료수집 방법에는 브레인스토밍, 브레인라이팅, 마인드맵 등이 있다. 브레인스토밍은 집단 창의적 발상 기법으로 참여자들이 자발적으로 아이디어를 제시하여 문제 해결책을 찾는다. 브레인라이팅은 침묵의 발상회의법으로 참여자들이 종이에 생각을 적어 새로운 아이디어를 발굴한다. 마인드맵은 주제와 연관된 아이디어를 방사형으로 자유롭게 적으며 연상을 넓혀가는 방법이다. 2. 프로그램 개발을 위한 대안선택 방법 대안선택 방법에는 의사결정나무분석, 로직트리, 다속성 효용성 검토기법이 있다...2025.01.04
1 / 8
