데이터마이닝 _연관성분석 :: 장바구니분석, 순차분석, aprioi함수, FP-growth, 지지도, 신뢰도, 향상도, lift
데이터 마이닝 = 가정, 가설 없이 예측 가능한 분석에 초점을 두고 의미있는 정보를 찾아내는 방법 cf) 통계분석 = 가정, 가설을 가지고 추정하는것. 통계량과 그래프, 표를 이용하는 기술통계와 통계를 바탕으로 한 추측통계(ARIMA, 다차원척도법, 주성분분석) 가 있다. 미리 알아 맞추는 예측 1. 분류분석(classification) 2. 예측분석 데이터 특징을 나타냄으로써 사람, 상품에 대한 이해를 높이는 설명, 기술(description)이라는 목적 1. 군집분석(clustering) 2. 연관성분석(association analysis) 으로 크게 나눌 수 있다. 연관성분석 (association analysis) = 데이터 내부 존재하는 항목간 상호관계 또는 종속관계를 찾아내는 분석법 = 목적..
데이터마이닝 _군집분석 :: 계층적군집, 비계층적군집, K-means clustering, EM알고리즘, SOM(자기조직화지도), 밀도기반함수, 실루엣계수, 응집도
데이터 마이닝 = 가정, 가설 없이 예측 가능한 분석에 초점을 두고 의미있는 정보를 찾아내는 방법 cf) 통계분석 = 가정, 가설을 가지고 추정하는것. 통계량과 그래프, 표를 이용하는 기술통계와 통계를 바탕으로 한 추측통계(ARIMA, 다차원척도법, 주성분분석) 가 있다. 미리 알아 맞추는 예측 1. 분류분석(classification) 2. 예측분석 데이터 특징을 나타냄으로써 사람, 상품에 대한 이해를 높이는 설명, 기술(description)이라는 목적 1. 군집분석(clustering) 2. 연관성분석 으로 크게 나눌 수 있다. 군집분석 (clustering) = 관측된 변수값들로부터 유사성에만 기초하여 n개의 군집으로 집단화하여 집단의 특성을 분석하는 다변량 분석기법. = 목적이 없는 비지도 학습..
데이터마이닝 _분류분석 :: 로지스틱회귀분석, 의사결정나무, 인공신경망, 베이지안분류, SVM, KNN, 사례기반추론
데이터 마이닝 = 가정, 가설 없이 예측 가능한 분석에 초점을 두고 의미있는 정보를 찾아내는 방법 cf) 통계분석 = 가정, 가설을 가지고 추정하는것. 통계량과 그래프, 표를 이용하는 기술통계와 통계를 바탕으로 한 추측통계(ARIMA, 다차원척도법, 주성분분석) 가 있다. 미리 알아 맞추는 예측 1. 분류분석(classification) 2. 예측분석 데이터 특징을 나타냄으로써 사람, 상품에 대한 이해를 높이는 설명, 기술(description)이라는 목적 1. 군집분석(clustering) 2. 연관성분석 으로 크게 나눌 수 있다. 분류분석 (classification) =지도학습(목적이 있다). 각 그룹이 이미 정의되어 있으며 범주형 속성을 알아맞추는 분석이다. 1. 로지스틱 회귀분석 : R에서glm..
빅데이터 분석 기획
--- 빅데이터 --- * 빅데이터 특징 3V= Volume(분석규모), Variety(자원유형), Velocity(활용속도) 5V= Volume(분석규모), Variety(자원유형), Velocity(활용속도), Veracity(데이터 신뢰성), Value(얻을수있는가치) 7V= Volume(분석규모), Variety(자원유형), Velocity(활용속도), Veracity(데이터 신뢰성), Value(얻을수있는가치), Validity(질높은데이터), Volatility(데이터가의미있는기간) * 1TB = 10^12 Bytes 1 Byte = 256종류의 다른 값을 표현할 수 있다. * 빅데이터 조직구조 집중구조 전사 분석 업무를 별도의 분석 전담 조직에서 집중 담당 전략적 중요도에 따라 분석조직이 우..
