데이터마이닝 방법론 : SAS Enterprise Miner 활용사례를 중심으로

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