SAS BOOK

SAS EM 14.1 데이터 마이닝 기초와 활용

머리말

컴퓨터와 정보기술의 급속한 발전은 데이터를 수집하고 정제하여 활용하는데 드는 시간과 비용을 획기적으로 줄어들게 하였다. 데이터마이닝은 금광에서 금을 채굴하듯이 방대한 양의 자료에 데이터분석 모델링과 통계적 학습방법을 적용시켜 유용한 정보를 찾아내는 구조화된 작업의 모습으로 출현하였다. 최근, 회자되고 있는 빅데이터도 결국은 데이터마이닝으로부터 시작되었다고 볼 수 있다. 데이터마이닝에 대한 관심이 정보기술과 지식경영 관련자 뿐 만 아니라 다양한 분야로 확산됨에 따라 대학에서의 데이터마이닝을 강의하기 위한 적절한 수준의 교재를 개발하게 되었다.

목차

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 -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