(방송대) 다변량분석, 출석수업 과제물 (2023 1학기, 30점 만점)

소개글

"(방송대) 다변량분석, 출석수업 과제물 (2023 1학기, 30점 만점)"에 대한 내용입니다.

목차

교재 연습문제 1장(p.38) 4번. 다음은 R에 내장된 “longley”데이터 이다.
(1) R을 이용하여 산점도 행렬, 별그림, 얼굴그림을 그리고 해석하시오.
(2) “longley”데이터를 CSV파일로 저장하시오.
(3) 파이썬을 이용하여 데이터를 읽고, 산점도행렬을 그리시오. 출력결과를 R과 비교하여 설명하시오.

교재 연습문제 2장(p.78) 4번. 다음은 1973년 미국 각 주의 강력범죄 자료이다. 변수 Murder, Assault, Rape는 인구 100,000명당 사고건수이고, UrbanPop은 도시인구 비율이다.

(1) R을 이용하여 주성분분석을 실행하고 해석하시오.
(2) 파이썬을 이용하여 주성분분석을 실행하고 R의 결과와 비교, 분석하시오.

교재 연습문제 4장(p.176) 5번. “mall_customr.csv”파일에는 어느 지역의 쇼핑몰을 방문한 고객들에 대한 정보가 들어있다. 이 데이터에는 고객ID(CustomerID), 성별(Gender), 연령(Age), 소득(Income), 구매점수(Spending_Score)등의 변수로 구성되어 있다. 여기서 고객 ID는 분석에서 제외하고, 성별(Gender)변수는 가변수로 변환하시오.
(1) 각 변수별로 관찰값들을 표준화하시오.
(2) 와드의 방법을 이용하여 고객들을 군집화하고 덴드로그램으로 표현하시오. 몇 개의 군집이 적절하다고 판단되는지 설명하시오.
(3) 최장연결법을 이용하여 고객들을 군집화하고 덴드로그램으로 표현하시오. 몇 개의 군집이 적절하다고 판단되는지 설명하시오.
(4) 와드의 방법과 최장연결법을 이용한 군집분석의 결과를 서로 비교하시오.
(5) K-평균 군집분석방법을 이용하여 6개군집에 대한 군집분석을 실시하시오. 각 군집별 평균을 이용하여, 군집별 특성을 기술하시오.

< Python을 통한 문제 해결 >
(1) 각 변수별로 관찰값들을 표준화하시오.
(2) 와드의 방법을 이용하여 고객들을 군집화하고 덴드로그램으로 표현하시오. 몇 개의 군집이 적절하다고 판단되는지 설명하시오.
(3) 최장연결법을 이용하여 고객들을 군집화하고 덴드로그램으로 표현하시오. 몇 개의 군집이 적절하다고 판단되는지 설명하시오.
(4) 와드의 방법과 최장연결법을 이용한 군집분석의 결과를 서로 비교하시오.
(5) K-평균 군집분석방법을 이용하여 6개군집에 대한 군집분석을 실시하시오. 각 군집별 평균을 이용하여, 군집별 특성을 기술하시오.

본문내용

교재 연습문제 1장(p.38) 4번. 다음은 R에 내장된 “longley”데이터 이다.
(1) R을 이용하여 산점도 행렬, 별그림, 얼굴그림을 그리고 해석하시오.

longley데이터는 R에 내장되어 있는 데이터라 따로 불러올 필요가 없다. head()함수를 통해 [그림1]과 같이 데이터를 확인하였다. longley 데이터에는 7개의 변수가 있는데, GNP디플레이터, GNP, 실업자수, 군인 수, 인구, 년, 취업자수가 변수명이다.

<중 략>

산점도 행렬을 통해 각 변수간의 상관관계를 파악할 수 있다. GNP디플레이터와 GNP, 인구수, 연도, 취업자 수는 산점도가 오른쪽 위로 향하는 직선의 형태를 띄고 있어 대체로 강한 양의 상관관계가 있다고 판단할 수 있다. GNP와 인구수, 연도, 취업자수도 강한 양의 상관관계를 보이고 있다. 인구수와 연도, 취업자 수도 대체로 강한 양의 상관관계를 보인다. 연도와 취업자수도 양의 상관관계를 보이면서 각 변수들간에 높은 상관관계가 있는 데이터라고 말할 수 있다.

참고 자료

없음