R과 데이터 사이언스

1. R기반의 데이터 탐색 및 통계분석
1.1 데이터 분석 프로세스
1.1.1 데이터의 이해
1.1.2 분석 프로세스
1.2 R과 분석입문
1.2.1 R의 활용
1.2.2 데이터의 입출력
1.2.3 데이터 구조
1.2.4 데이터 핸들링 33
1.3 데이터 탐색
1.3.1 GIGO(garbage in garbage out)
1.3.2 그래프를 활용한 탐색
1.4 통계분석
1.4.1 교차표(cross table)
1.4.2 카이제곱 검정(Chi-square test)
1.4.3 분산분석(ANOVA)
1.4.4 t-검정(평균비교)
1.5 파생변수 생성 및 분석 데이터 만들기
1.5.1 최근성 값은 날짜로 계산하여 생성
1.5.2 zipcode를 area code로 변경
1.5.3 구매 시간대 구간화

2. 고객 세분화 모델링
2.1 고객세분화
2.1.1 고객 가치 분석 (RFM 스코어링)
2.1.2 구매 상품 다양성 분석
2.1.3 서비스 경험 분석
2.2상세 세분화(MICRO SEGMENTATION) 모델
2.2.1 잠재 요인에 따른 변수 군집
2.2.2 LDA(latent dirichlet allocation)의 활용

3. 모델 구축 유형
3.1 모델 적용 전 고려해야 할 것들
3.1.1 모델링을 위한 변수 선택과 유의확률(p-value)
3.1.2 변수선택을 위한 상관계수 고려
3.1.3 변수변환
3.1.4 변수 변환을 통한 이상치 제거
3.1.5 이상치 검증
3.2 모델 구축
3.2.1 연관성(association) 분석과 순차패턴(sequential pattern) 분석
3.2.2 협업필터링(collaborative filtering)
3.2.3 회귀분석(regression analysis)
3.2.4 앙상블(ensemble)
3.2.5 Adaboost
3.3 모형검증

4. 머신 러닝 기술과 알고리즘
4.1 분류
4.1.1 지지 벡터 기계(SVM)
4.1.2 임의 숲(random forest)
4.1.3 로지스틱 회귀(logistic regression)
4.2 그룹화
4.3 차원축소
4.3.1 주성분 분석
4.3.2 특이값 분해(SVD)
4.4 시계열 분석 235

찾아보기

데이터 생성

최근 분석 툴에 대한 성향의 변화에 맞춰서 서가에는 R의 활용을 주제로 한 R 활용서가 많다. 이들은’R‘을 C나 Java와 같은 프로그래밍 언어로서, 그리고, 다른 상용프로그램들과 같이 데이터 분석을 위한 언어로서 활용하는 방법을 알려준다. 그러나 비즈니스 주제에 접근을 위하여 R을 활용하는 방법에 대하여 기술한 책은 거의 없다는 것이 현실이다. 출판되어 있는 문헌들을 참고로 하여 R의 언어적 활용 수준은 초급 이상이 될 수 있으나, R의 활용을 비즈니스 문제의 해결을 목적으로 하는 독자들에게 도움을 주고자 하는 것이 본 서의 의의라 하겠다. 특히 저자는 본 서를 다양한 상품과 수많은 브랜드를 준비하여 고객 성향이나 니즈 변화를 반영하고 시장의 트랜드와 시즌성에 맞춰서 상품 구색을 확대하거나 감소해야 하는 유통업 비즈니스에서의 상품 추천과 같은 주제를 중심으로 서술하였다.
(중략)