[데이타베이스]데이터마이닝 6가지 기법에 대한 조사(적용방법, 과정 및 사례)

소개

데이터마이닝 6가지 기법에 대한 조사입니다.
적용방법, 과정 및 사례를 들어 설명이 되어있습니다.
많은 도움이 되었으면 합니다.

목차

데이터마이닝 6가지 기법에 대한 조사

1) 인공신경망(Neural Networks)
< 사례 - 주택, 건물의 가격평가 >

2) 연관규칙(Association Rules)
< 사례 - 피자가게 >

3) 의사결정나무(Decision Trees)
< 사례 - 통신기 판매업체 >

4) 군집분석(Clustering)
< 사례 - 여군 유니폼 >

5) 최근접이웃(Nearest Neighbor)
< 사례 - 주식시장 >

6) 선형회귀(Regression)

본문내용

주말까지 쓸 물건을 화요일날 구매하는 보통의 젊은 부부들은 어린 자녀를 위해 일회용 기저귀를, 그리고 주말 TV 시청시 가장이 마실 음료로 맥주를 동시에 구매하고 있는 것이다.
따라서 상품의 진열 시에 기저귀와 맥주를 가까이 진열하는 것을 포함해서 유아용품과 맥주와 함께 먹기 좋은 감자칩 등을 또한 근처에 진열하는 것이 매출을 증가시킬 수 있는 매장의 레이아웃이 되는 것이다.
이러한 규칙은 일반적으로 알아낼 수 없는 규칙으로 실제 적용을 통해 좋은 결과가 기대된다고 할 수 있다.
두번째 예는 상식적으로 널리 알려진 관련성으로 이를 발견한다는 것은 크게 의미 있는 결과라 할 수 없다.
세번째 예는 타당한 근거가 없는 연관성으로 그 이유에 대한 설득력이 부족해서 일반화하기에는 무리가 있는 결과이다.
위의 예를 통해서 알 수 있듯이 데이터를 통해 얻어지는 모든 연관성이 의미 있다고 말하기는 곤란하다.
특히 대용량 데이터를 다루는 데이터마이닝의 경우, 수많은 품목들의 관계속에서 의미있는 관련성을 찾기 위해서는 결과해석에 앞서 연관성의 내용이 일반화 할 수 있는 내용인가를 판단할 수 있도록 각 연관규칙을 비교할 수 있는 비교기준이 필요하다.
따라서 데이터마이닝에서의 연관성 분석 목적은 이러한 품목간의 연관관계를 수치로 정량화하는데 있다.

참고자료

· 없음