HOME > Detail View

Detail View

데이터마이닝 기초와 활용 : SAS EM 14.1

데이터마이닝 기초와 활용 : SAS EM 14.1 (Loan 2 times)

Material type
단행본
Personal Author
김병수, 저 배화수, 저 석경하, 저 조대현, 저 최국렬, 저
Title Statement
데이터마이닝 기초와 활용 : SAS EM 14.1 / 김병수 [외]지음
Publication, Distribution, etc
서울 :   Kyowoo,   2018  
Physical Medium
335 p. : 삽화 ; 26 cm
ISBN
9791125102359
General Note
색인수록  
부록: 실습 데이터  
공저자: 배화수, 석경하, 조대현, 최국렬  
000 00000cam c2200205 c 4500
001 000046037149
005 20200713153855
007 ta
008 200713s2018 ulka 001c kor
020 ▼a 9791125102359 ▼g 93310
035 ▼a (KERIS)BIB000014772704
040 ▼a 211009 ▼c 211009 ▼d 211009
082 0 4 ▼a 006.312 ▼2 23
085 ▼a 006.312 ▼2 DDCK
090 ▼a 006.312 ▼b 2018z18
245 0 0 ▼a 데이터마이닝 기초와 활용 : ▼b SAS EM 14.1 / ▼d 김병수 [외]지음
260 ▼a 서울 : ▼b Kyowoo, ▼c 2018
300 ▼a 335 p. : ▼b 삽화 ; ▼c 26 cm
500 ▼a 색인수록
500 ▼a 부록: 실습 데이터
500 ▼a 공저자: 배화수, 석경하, 조대현, 최국렬
700 1 ▼a 김병수, ▼e
700 1 ▼a 배화수, ▼e
700 1 ▼a 석경하, ▼e
700 1 ▼a 조대현, ▼e
700 1 ▼a 최국렬, ▼e
945 ▼a KLPA

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.312 2018z18 Accession No. 121253698 Availability Available Due Date Make a Reservation Service B M

Contents information

Author Introduction

배화수(지은이)

<데이터 마이닝>

석경하(지은이)

서울대학교 / 통계학박사 (현재) 인제대학교 통계학과 교수 주요 연구분야: 딥러닝, 머신러닝

김병수(지은이)

Information Provided By: : Aladin

Table of Contents

Ⅰ. 서 론
1.1 데이터마이닝의 출현배경
1.2 데이터마이닝의 정의
1.3 데이터마이닝의 역할
1.4 데이터마이닝 기법
1.5 데이터마이닝의 적용분야

Ⅱ. SAS Enterprise Miner 14.1
2.1 SAS Enterprise Miner 14.1 소개
2.2 Enterprise Miner 14.1의 기본 구성요소와 노드

Ⅲ. SAS Enterprise Miner 14.1의 기본활용
3.1 소 개
3.2 SAS E-Miner 작업환경 생성
3.3 데이터소스
3.4 자료 탐색

Ⅳ. 연관성분석
4.1 연관성분석의 개념
4.2 연관성분석의 원리
4.3 연관성분석의 특성
4.4 사례분석

Ⅴ. 군집분석
5.1 군집분석의 개념
5.2 유사성, 연관성 및 거리
5.3 계층적 군집분석
5.4 비계층적 군집방법
5.5 가중치와 군집평가
5.6 군집분석의 장점과 단점
5.7 사례분석

Ⅵ. 의사결정나무분석
6.1 의사결정나무의 정의
6.2 의사결정나무의 구성요소
6.3 의사결정나무의 원리
6.4 원자료의 분할 및 효율성평가
6.5 노드의 분리기준 및 가지치기
6.6 의사결정나무 알고리즘
6.7 의사결정나무의 장점과 단점
6.8 사례분석

Ⅶ. 회귀모형
7.1 단순선형회귀모형
7.2 다중선형회귀모형
7.3 로지스틱회귀모형
7.4 회귀분석의 장점과 단점
7.5 사례분석

Ⅷ. 인공신경망
8.1 신경망의 개요 및 배경
8.2 신경망의 예
8.3 신경망 구조
8.4 모형선택
8.5 최적화
8.6 분석용자료의 선택
8.7 자료의 변환
8.8 결과 해석
8.9 사례분석

Ⅸ. -최근접 이웃분류법
9.1 1-최근접 이웃분류법
9.2 German Credit 데이터를 이용한 ?-NN분석

Ⅹ. 모형 평가 및 비교
10.1 모형 평가 및 비교의 개념
10.2 목표변수가 구간형인 경우
10.3 목표변수가 이진형인 경우
10.4 사례분석

부록. 실습 데이터
1. Boston Housing 데이터
2. Fatty Liver(지방간) 데이터
3. German Credit 데이터
4. High Speed 데이터
5. Home Price 데이터
6. KOSPI200 데이터
7. Microsoft 홈페이지 방문 데이터
8. Organics 데이터
9. PVA97NK 데이터
10. Transactions 데이터

New Arrivals Books in Related Fields

National Academies of Sciences, Engineering, and Medicine (U.S.) (2020)
Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)