|
| Background |
|
|
- 컴퓨팅 파워와 운영계 데이터의 증가
- 대용량의 운영계 데이터의 활용방안 문제
- 비즈니스 결과의 이해를 위한 데이터 분석
- 적용되는 훈련기법 : 통계분석, 패턴인식, machine learning
|
|
| Problem Formulation |
|
|
- 비즈니스 목적을 setting 하고 적절한 분석방법을 결정
- Database marketing, credit scoring, fraud detection,
healthcare informatics를 위한 Predictive modeling 적용
|
|
| Data Difficulties |
|
|
- Data 구조 및 체제
- 에러, 이상치, 결측치에 대한 처리방법
- 샘플링과 오버샘플링
- Dimension Reduce (주요변수 선택)
|
|
Introduction to
Enterprise Miner |
|
|
- Workspace Components 탐색
- Project Setting
- 분석 flow diagram 구축
- 초기 데이터 탐색 실행
- Variable Selection Techniques 적용
- 결측치 처리
|
|
| Regression |
|
|
- target marketing 예제를 통한 regression 실행
- Stepwise method 실행
|
|
| Neural Networks |
|
|
- Multilayer Perceptron 구축
- Visualizing network complexity
- Performing stopped training
|
|
| Decision Trees |
|
|
- Credit Scoring을 이용한 decision tree 구축
- Decision Tree node 기능 이해
- Multiway Split을 이용한 decision tree 구축
- Pruning & Assessing
|
|
Model Evaluation and
Implementation |
|
|
- 후보모델 비교
- 간단한 ensemble 모델 구축
- Score code 이용 및 구축
|
|
| Cluster Analysis |
|
|
- 영업관련 데이터를 이용한 cluster analysis 실행
- K-means cluster analysis를 위한 Cluster node 사용
- Insight node를 이용한 cluster visualizing
|
|
