비즈니스 인텔리전스를 위한 데이터마이닝

들어가기
역자 서문
감사의 글
제2판 서언
제1판 서언

제1부 사전주제

제1장 서문
1.1 데이터마이닝이란?
1.2 데이터마이닝은 어디에 쓰이는가?
1.3 데이터마이닝의 기원
1.4 데이터마이닝의 빠른 성장
1.5 왜 이렇게 많은 다른 방법들이 있는가?
1.6 용어와 표기법
1.7 로드맵

제2장 데이터마이닝 프로세스 개요
2.1 서론
2.2 데이터마이닝의 핵심 아이디어
2.3 지도학습과 비지도학습
2.4 데이터마이닝 단계
2.5 데이터분석 사전 단계
2.6 모델 구축: 선형 회귀분석을 이용한 예제
2.7 엑셀을 이용한 데이터마이닝
연습문제

제2부 데이터탐색 및 차원축소

제3장 데이터 시각화
3.1 데이터 시각화의 사용
3.2 예제 데이터
3.3 기본 차트: 막대차트, 선 그래프, 산점도
3.4 다차원적 시각화
3.5 특화된 시각화
3.6 시각화와 운영에 대한 요약(데이터마이닝 목적 기준)
연습문제

제4장 차원축소
4.1 서론
4.2 실질적인 고려사항
4.3 데이터 요약
4.4 상관분석
4.5 범주형 변수의 범주 개수 축소
4.6 범주형 변수에서 수치형 변수로의 변환
4.7 주성분 분석
4.8 회귀모형을 사용한 차원축소
4.9 분류와 회귀나무를 이용한 차원축소
연습문제

제3부 성능평가

제5장 분류와 예측성능의 평가
5.1 서론
5.2 분류성능의 평가
5.3 예측성능의 평가
연습문제

제4부 예측 및 분류 방법

제6장 다중 선형 회귀분석
6.1 서론
6.2 설명모델과 예측모델의 모델링
6.3 회귀식의 추정과 예측
6.4 선형 회귀분석의 변수 선택
연습문제

제7장 k-근접 이웃 기법
7.1 k-NN 분류기(범주형 결과)
7.2 k-NN 예측기(수치형 결과)
7.3 k-NN 알고리즘의 장점과 단점
연습문제

제8장 나이브 베이즈
8.1 서론
8.2 완전한(정확한) 베이지안 분류기의 적용
8.3 나이브 베이즈 분류기의 장점과 단점
연습문제

제9장 분류 회귀 나무
9.1 서론
9.2 분류나무
9.3 불순도 측정
9.4 분류나무의 성능 평가
9.5 과적합 방지하기
9.6 분류나무 모델에서의 분류 규칙
9.7 세 개 이상의 클래스를 분류하기
9.8 회귀나무 모델
9.9 모델의 장단점 및 추가사항
연습문제

제10장 로지스틱 회귀분석
10.1 서론
10.2 로지스틱 회귀모형
10.3 분류 성능 평가
10.4 분석 예제: 항공기 연착 예측
10.5 부록: 로지스틱 회귀 프로파일링
연습문제

제11장 신경망
11.1 서론
11.2 신경망의 개념과 구조
11.3 데이터에 망 적합
11.4 요구되는 사용자 입력
11.5 예측기들과 응답 사이의 관계탐색
11.6 신경망의 장점과 단점
연습문제

제12장 판별분석
12.1 서론
12.2 클래스로부터 관측치에 이르는 거리
12.3 피셔의 선형 분류함수
12.4 판별분석의 분류성능
12.5 사전확률
12.6 서로 다른 오분류 비용
12.7 세 클래스 이상일 경우의 분류
12.8 판별분석의 장단점
연습문제

제5부 레코드들 간의 관계 마이닝

제13장 연관 규칙
13.1 서론
13.2 거래 데이터베이스에서 연관규칙의 발견
13.3 후보규칙의 생성
13.4 강한 규칙의 선택
13.5 요약
연습문제

제14장 군집분석
14.1 서론
14.2 두 레코드 사이의 거리 측정
14.3 두 군집 간 거리 측정
14.4 계층적(응집) 군집화
14.5 비계층적 군집화: k-평균 군집화 방법
연습문제

제6부 시계열 예측

제15장 시계열 데이터 분석
15.1 서론
15.2 탐색 vs. 예측 모델
15.3 비즈니스에서 주로 사용되는 예측기법
15.4 시계열 요소
15.5 데이터 분할
연습문제

제16장 회귀분석을 기반으로 한 예측
16.1 추세를 반영한 모델
16.2 계절성 반영 모델
16.3 추세와 계절성을 반영한 모델
16.4 자기상관과 ARIMA모델
연습문제

제17장 평활법
17.1 서론
17.2 이동평균법
17.3 단순지수평활법
17.4 고급지수평활법
연습문제

제7부 사례

제18장 사례
18.1 찰스북클럽 사례
18.2 독일 신용 은행 사례
18.3 테이코 소프트웨어 카탈로그 판매회사 사례
18.4 목욕비누 구매자 세분화 사례
18.5 직접우편을 통한 기금모금 사례
18.6 카탈로그 교차 판매 사례
18.7 파산 예측 사례
18.8 시계열 예측: 대중교통 수요 예측

참고문헌
찾아보기