Detail View

데이터분석적 측면에서 데이터마이닝의 방법론들을 소개하는 책. 이 책은 데이터마이닝의 핵심적인 내용과 방법론들을 흥미롭게 학습할 수 있도록 설계되어 있으므로, 통계학, 경영학, 컴퓨터과학 등 여러 전공의 고학년을 대상으로 하는 한 학기 정도의 강의교재로 사용될 수 있다.

또한 이 책은 데이터마이닝과 관련된 폭넓은 주제들과 분석사례들을 다루고 있으므로, 다양한 분야의 일반 연구자, 애플리케이션 시스템 개발자, 비지니스 전문가 등에게도 유용하게 사용될 수 있을 것이다.

데이터마이닝은 통계학, 정보기술, 데이터베이스, 인공지능, 패턴인식, 정보검색 등 여러 분야와 연관되어 있는 복합적 성격을 가지고 있다. 따라서 데이터마이닝에 대한 정의와 데이터마이닝을 통해 얻고자 하는 것도 매우 다양하다고 할 수 있다. 그러나 몇 가지 관점에서는 성공적인 데이터마이닝 작업을 위한 보편적인 원칙이 존재하며, 이 책은 여러 분야의 독자들에게 특히 데이터분석적 측면에서 데이터마이닝의 방법론들을 소개하는데 초점을 두고 있다.
이 책은 데이터마이닝의 핵심적인 내용과 방법론들을 흥미롭게 학습할 수 있도록 설계되어 있으므로, 통계학, 경영학, 컴퓨터과학 등 여러 전공의 고학년을 대상으로 하는 한 학기 정도의 강의교재로 사용될 수 있다. 또한 이 책은 데이터마이닝과 관련된 폭넓은 주제들과 분석사례들을 다루고 있으므로, 다양한 분야의 일반 연구자, 애플리케이션 시스템 개발자, 비지니스 전문가 등에게도 유용하게 사용될 수 있을 것이다.

Information Provided By: :

목차
제Ⅰ부. 데이터마이닝 시작하기  
 제1장 데이터마이닝의 주요개념 = 3
  1.1 데이터마이닝이란 무엇인가? = 5
  1.2 데이터마이닝 프로젝트의 수행 프로세스 = 14
  1.3 데이터마이닝 예측기법 = 25
  1.4 Enterprise Miner의 소개 = 28
  1.5 맺음말 = 30
  1.6 연습문제 = 31
 제2장 Enterprise Miner 맛보기 = 35
  2.1 프로젝트의 생성과 분석흐름도의 작성 = 37
  2.2 데이터의 분할 : Data Partition 노드 = 49
  2.3 모형 구축 = 50
  2.4 모형 평가 : Assessment 노드 = 51
  2.5 점수화 : Score 노드 = 55
  2.6 결측값 처리 : Impute 노드 = 59
  2.7 예측모형에 대한 해석 = 61
  2.8 보고서 작성 : Reporter 노드 = 66
  2.9 연습문제 = 68
제Ⅱ부. 예측모형의 구축과 평가  
 제3장 의사결정나무분석 = 79
  3.1 의사결정나무의 개념 = 81
  3.2 의사결정나무의 분리기준 = 83
  3.3 의사결정나무분석의 특징 = 86
  3.4 분석사례 - 1(분류나무) : 신용평가 문제 = 88
  3.5 분석사례 - 2(회귀나무) : 평균임금의 예측 = 101
  3.6 분석사례 - 3 : 의사결정나무분석의 대화식 수행 = 106
  3.7 의사결정나무모형에 대한 요약 테이블 작성 = 111
  3.8 연습문제 = 112
 제4장 회귀분석 = 117
  4.1 선형회귀분석(Linear Regression Analysis) = 119
  4.2 로지스틱 회귀분석(Logistic Regression Analysis) = 126
  4.3 회귀분석의 특징과 제약 = 129
  4.4 분석사례 - 1 : 선형회귀분석 = 130
  4.5 분석사례 - 2 : 로지스틱 회귀분석 = 136
  4.6 분석사례 - 3 : 신용평점표의 작성 = 145
  4.7 연습문제 = 162
 제5장 신경망분석 = 169
  5.1 신경망의 구조와 개념 - MLP 신경망 = 171
  5.2 신경망의 특징과 적용상의 문제점 = 173
  5.3 분석사례 - 1 : 신경망과 로지스틱 회귀의 비교 = 177
  5.4 분석사례 - 2 : 의사결정나무를 이용한 신경망모형의 해석 = 182
  5.5 참조 : RBF 신경망과 EBF 신경망 = 187
  5.6 연습문제 = 188
 제6장 예측모형에 대한 평가 = 193
  6.1 모형평가의 기본 개념 = 195
  6.2 모델 비교(Model Comparison) 노드 = 196
  6.3 임계치(Cutoff) 노드 = 212
  6.4 의사결정(Decisions) 노드 = 216
  6.5 기타 모형화 노드들 = 222
  6.6 연습문제 = 226
제Ⅲ부. 데이터 사전처리와 자율예측  
 제7장 데이터 탐색과 변형 = 233
  7.1 변수 변환(Transform Variables) 노드 = 235
  7.2 결측값 처리(Impute) 노드 = 242
  7.3 값 대체(Replacement 노드 = 245
  7.4 변수 선택(Variable Selection 노드 = 248
  7.5 주성분분석(Principal Componenets) 노드 = 254
  7.6 연습문제 = 258
 제8장 군집분석 = 263
  8.1 군집분석의 개념 = 265
  8.2 k-평균 군집방법(k-Means Clustering) = 270
  8.3 군집분석의 특징과 적용상의 문제점 = 274
  8.4 클러스터링(Clustering) 노드 = 275
  8.5 세그먼트 프로파일링(Segment Profile) 노드 = 278
  8.6 SOM／Kohonen 노드 = 292
  8.7 변수 클러스터링(Variable Clustering) 노드 = 281
  8.8 연습문제 = 284
 제9장 연관성규칙발견 = 287
  9.1 연관성규칙발견의 개념 = 289
  9.2 연관성규칙발견의 특징과 적용상의 문제점 = 297
  9.3 분석사례 - 1 : 연관성규칙발견 = 299
  9.4 분석사례 - 2 : 시차 연관성분석 = 304
  9.5 웹마이닝(Web Mining) = 306
  9.6 분석사례 - 3 : 경로분석(Path Analysis) = 313
  9.7 연습문제 = 316
부록. 예제 데이터세트에 대한 설명 = 321
찾아보기 = 335