[경영정보시스템] Neural Planner를 이용한 주택가격 예측

소개

성균관대학교 경영정보시스템 수업시간에 과제로 부여되었던 데이터마이닝의 실현도구로서의 뉴럴플래너를 이용한 주택가격을 예측하는 Team Project 레포트입니다. 저희 조원들이 전부 데이터마이닝쪽의 전공에 대한 관심이 많은지라 상당히 제대로된 레포트를 쓸수 있었습니다. 당연히 성적은 A+받았구요. 인공신경망을 이용한 자료를 찾으신다면 정말 추천드립니다.
참고로 이 자료는 텍스트뿐만아니라 뉴럴플래너가 직접 가동되는 부분과 함께 여러가지의 그림 및 캡처화면들이 포함되어있습니다. 그럼 좋은 성적 받으세요~

목차

第 1 章 인공신경망
1. 인공신경망의 의미
2. 인공신경망 모델
3. 다계층 퍼셉트론 (multi-layered perception)
4. 인공신경망의 학습과정
5. 인공신경망의 특징과 장◦단점

第 2 章 연구목
1. 연구목적

第 3 章 NEURAL PLNNER의 실행
1. DATA 정리과정
2. NEURAL PLAANNER 실행과정
3. 실험자료(INTERROGATING)의 결과값
4. 인공신경망 실행 후 결과분석

第 4 章 PROJECT의 시사점
1. 연구의 시사점

본문내용

*인공신경망의 의미
○ 인간 두뇌의 신경세포를 모방한 개념으로 마디와 고리로 구성된 망구조를 모형화하고, 과거에 수집된 데이터로부터 반복적인 학습과정을 거쳐 데이터에 내재되어 있는 패턴을 찾아내는 모델링 기법
이러한 신경망 모형은 고객의 신용평가, 불량거래의 색출, 의료진단예측, 우량고객의 선정, 타겟 마케팅의 여러 주제(DM,TM, ...)등을 비롯한 여러 분야에 적용될 수가 있는데, 주로 교사학습에 적용되어 목적변수(target)에 대한 예측(Prediction)이나 분류(Classification)를 목적으로 감춰진 패턴을 찾고 이를 일반화하는데 이용됨. 혹은 비교사학습에서 코호넨 맵(Kohonen maps)을 이용하여 데이터의 클러스터링 작업을 수행하는데 쓰이기도 함.
*다계층 퍼셉트론(multi-layered perception)
○ 입력층과 출력층 사이에 하나 이상의 중간층(은닉층 : hidden layer)이 존재하는 신경망
- 일반화 델타 룰(Generalized delta rule), 역전파법(Backpropagation rule)에 의해 학습. Backpropagation 학습 알고리즘은 기울기를 따라가는 (gradient descent) 방법.
○ 문제점
1) 지역 최소값(local minima)에 빠질 염려가 있음.
2) 전방향(feed forward) 방식
3) 학습이 수렴할 때까지 많은 시간 걸림
4) 추가 학습시 전체적인 재학습 필요
5) 학습의 완료시점을 예측할 수 없다.

참고자료

· 최신경영정보처리론 이건창 저. 2003년
· Clementine 7.0 Manual