빅데이터 시대의 데이터 마이닝

1. 서론 1
1.1. 데이터 마이닝의 정의 2
1.2. 데이터마이닝의 학문적 성격 12
1.3. 데이터마이닝 응용분야 20
1.4. 데이터마이닝 프로세스 23
1.5. 데이터마이닝의 주요 과제 28
2. 의사결정지원시스템 31
2.1. 정보시스템의 진화 32
2.2. 의사결정지원시스템의 구조 40
2.3. 모델베이스 46
2.4. 지식베이스 54
2.5. 데이터베이스 62
2.6. R 소개 71
3. 데이터 준비 77
3.1. 데이터 계층 78
3.2. 데이터 속성 80
3.3. 데이터 세트 90
3.4. 데이터 준비 과정 100
3.5. 학습자료의 구성 106
3.6. R 데이터 처리 114
4. 데이터 탐색 119
4.1. 단변량 분석 121
4.2. 다변량 분석 144
4.3. 유사도 척도 157
4.4. 데이터 가시화 168
4.5. 피벗테이블 이용한 OLAP 실습 예제 172
5. 연관 규칙 175
5.1. 연관규칙의 개요 177
5.2. 빈발항목집합의 생성 185
5.3. 연관규칙의 확장 201
5.4. 실습 사례 203
6. 회귀분석 211
6.1. 회귀모형의 구조 212
6.2. 선형 회귀모형 215
6.3. 비선형 회귀모형 243
6.4. Regularized Regression : 회귀계수의 조정 255
6.5. 일반화 선형모형 : GLM 270
6.6. 실습 예제 : Boston Housing Data 282
7. 분류의 기본 개념 293
7.1. 분류작업의 개요 295
7.2. 단순한 분류 알고리즘들 298
7.3. 로지스틱 회귀분석을 이용한 분류 311
7.4. 분류모형의 성능척도 313
7.5. 분류모형의 성능평가 325
7.6. 실습 예제 : Pima Indian Diabetes 333
8. 분류 기법 339
8.1. 의사결정트리 341
8.2. 규칙기반 분류기 359
8.3. 앙상블 모형 368
8.4. 판별분석 378
8.5. 지지벡터머신 : SVM 383
8.6. 실습 예제 : Pima Indian Disbetes 407
9. 군집 분석 423
9.1. 군집분석의 개요 425
9.2. 계층적 군집분석 438
9.3. k-Means 군집분석 448
9.4. GMM 461
9.5. 군집분석 알고리즘의 추가적 설명 473
9.6. 군집의 평가척도 477
10. 신경망과 딥러닝 487
10.1. 신경망 개요 489
10.2. 신경망의 초기 모형들 500
10.3. 다계층 퍼셉트론 517
10.4. 딥 러닝 536

참고문헌 565
찾아보기 567