추가 적립 안내

[빅데이터 분석을 위한 데이터마이닝 방법론: SAS Enterprise Miner 활용사례를 중심으로]는 복합적 성격을 가지고 있는 데이터 마이닝에서 데이터분석적 측면에 초점을 두고 소개한 책이다. 데이터마이닝의 핵심적인 내용과 방법론을 흥미롭게 학습할 수 있도록 설계되었고, 데이터마이닝과 관련된 폭넓은 주제들과 분석사례를 다루고 있어 연구자, 애플리케이션 시스템 개발자, 비즈니스 전문가들에게도 유용한 정보를 제공한다.

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.

제I부 데이터마이닝 시작하기

제1장 데이터마이닝의 주요개념
1.1 데이터미이닝이란 무엇인가?
1.2 데이터미이닝 프로젝트의 수행 프로세스
1.3 데이터미이닝 예측기법
1.4 Enterprise Miner의 소개
1.5 맺음말
1.6 연습문제

제2장 Enterprise Miner 맛보기
2.1 프로젝트의 생성과 분석흐름도의 작성
2.2 데이터의 분할:Data Partition 노드
2.3 모형 구축
2.4 모형 평가: Assessment 노드
2.5 점수화: Score 노드
2.6 결측값 처리: Inpute 노드
2.7 예측모형에 대한 해석
2.8 보고서 작성: Reporter 노드
2.9 연습문제

제II부 예측모형의 구축과 평가

제3장 의사결정나무분석
3.1 의사결정나무의 개념
3.2 의사결정나무의 분리기준
3.3 의사결정나무분석의 특징
3.4 분석사례-1(분류나무):신용평가 문제
3.5 분석사례-2(회귀나무):평균임금의 예측
3.6 분석사례-3: 의사결정나무분석의 대화식 수행
3.7 의사결정나무모형에 대한 요약 테이블 작성
3.8 연습문제

제4장 회귀분석
4.1 선형회귀분석(Linear Regression Analysis)
4.2 로지스틱 회귀분석(Logistic Regression Analysis)
4.3 회귀분석의 특징과 제약
4.4 분석사례-1: 선형회귀분석
4.5 분석사례-2: 로지스틱 회귀분석
4.6 분석사례-3: 신용평점표의 작성
4.7 연습문제

제5장 신경망분석
5.1 신경망의 구조와 개념-MLP신경망
5.2 신경망의 특징과 적용상의 문제점
5.3 분석사례-1: 신경망과 로지스틱 회귀의 비교
5.4 분석사례-2: 의사결정나무를 이용한 신경망모형의 해석
5.5 참조: RBF 신경망과 EBF 신경망
5.6 연습문제

제6장 예측모형에 대한 평가
6.1 모형평가의 기본 개념
6.2 모델 비교(Model Comparison) 노드
6.3 임계치(Cutoff) 노드
6.4 의사결정(Decisions) 노드
6.5 기타 모형화 노드들
6.6 연습문제

제III부 데이터 사전처리와 자율예측

제7장 데이터 탐색과 변형
7.1 변수 변환(Transform Variables) 노드
7.2 결측값 처리(Impute) 노드
7.3 값 대체(Replacement 노드
7.4 변수 선택(Variable Selection 노드
7.5 주성분분석(Principal Componenets) 노드
7.6 연습문제

제8장 군집분석
8.1 군집분석의 개념
8.2 k-평균 군집방법(k-Means Clustering)
8.3 군집분석의 특징과 적용상의 문제점
8.4 클러스터링(Clustering) 노드
8.5 세그먼트 프로파일링(Segment Profile) 노드
8.6 SOM/Kohonen 노드
8.7 변수 클러스터링(Variable Clustering) 노드
8.8 연습문제

제9장 연관성규칙발견
9.1 연관성규칙발견의 개념
9.2 연관성규칙발견의 특징과 적용상의 문제점
9.3 분석사례- 1: 연관성규칙발견
9.4 분석사례- 2: 시차 연관성분석
9.5 웹마이닝(Web Mining)
9.6 분석사례- 3: 경로분석(Path Analysis)
9.7 연습문제

부록1 예제 데이터세트에 대한 설명
찾아보기