데이터 마이닝 : 가볍게 따라하기

목차 (Table of Contents)

• 목차
• Part Ⅰ 데이터 마이닝의 기초
• Chapter 1 데이터 마이닝: 처음 훑어보기 = 2
• 1.1 데이터 마이닝: 정의 = 3
• 1.2 컴퓨터와 학습 = 4
• 1.3 데이터 마이닝에 적합한 문제 = 14
• 1.4 전문가 시스템 혹은 데이터 마이닝 = 17
• 1.5 데이터 마이닝 프로세스를 위한 간단한 모델 = 19
• 1.6 탐색기법의 한계 = 22
• 1.7 데이터 마이닝 어플리케이션 = 25
• 1.8 요약 = 28
• 1.9 핵심 용어 = 29
• 1.10 연습 문제 = 31
• Chapter 2 데이터 마이닝: 조금 더 자세히 보기 = 33
• 2.1 데이터 마이닝 전략 = 34
• 2.2 Supervised 데이터 마이닝 기법들 = 42
• 2.3 연관 규칙 = 49
• 2.4 클러스터링 기법 = 51
• 2.5 성능 평가 = 53
• 2.6 요약 = 61
• 2.7 핵심 용어 = 62
• 2.8 연습 문제 = 63
• Chapter 3 데이터 마이닝 기법의 기초 = 67
• 3.1 결정 트리(Decision Tree) = 68
• 3.2 연관 규칙(association rules) 생성 = 78
• 3.3 K-Means 알고리즘 = 85
• 3.4 유전자 학습(Genetic learning) = 91
• 3.5 데이터 마이닝 기법의 선택 = 99
• 3.6 요약 = 102
• 3.7 핵심 용어 = 103
• 3.8 연습 문제 = 104
• Chapter 4 엑셀 기반의 데이터 마이닝 툴 = 106
• 4.1 iData Analyzer(iDA) = 107
• 4.2 ESX : 데이터 마이닝을 위한 다목적 툴(Tool) = 111
• 4.3 iDAV 형식 = 111
• 4.4 Unsupervised 클러스터링을 위한 5단계 접근 = 111
• 4.5 Supervised Learning에 대한 6단계 접근 = 129
• 4.6 규칙 생성을 위한 기법 = 135
• 4.7 인스턴스 전형성(Instance Typicality) = 137
• 4.8 추가적 고려사항들과 특징 = 139
• 4.9 요약 = 144
• 4.10 핵심 용어 = 145
• 4.11 연습 문제 = 146
• Part Ⅱ 지식발견을 위한 도구
• Chapter 5 데이터베이스의 지식발견 = 152
• 5.1 KDD 프로세스 모델 = 153
• 5.2 1단계: 목표 설정 = 155
• 5.3 2단계: 목표 데이터 집합 만들기 = 156
• 5.4 3단계: 데이터 전처리(Preprocessing) = 158
• 5.5 4단계: 데이터 변환(Transformation) = 161
• 5.6 5단계: 데이터 마이닝 = 167
• 5.7 6단계: 결과의 해석과 평가 = 168
• 5.8 7단계: 결과의 실제 적용(Taking Action) = 169
• 5.9 CRISP - DM 프로세스 모델 = 169
• 5.10 ESX로 실험하기 = 170
• 5.11 요약 = 180
• 5.12 핵심 용어 = 181
• 5.13 연습 문제 = 182
• Chapter 6 데이터 웨어하우스 = 186
• 6.1 운영 데이터베이스 = 187
• 6.2 데이터 웨어하우스 설계 = 191
• 6.3 온라인 분석 프로세싱(OLAP) = 199
• 6.4 데이터 분석을 위한 엑셀 피벗 레이블 = 205
• 6.5 요약 = 216
• 6.6 핵심 용어 = 217
• 6.7 연습 문제 = 220
• Chapter 7 정식 평가 기법 = 222
• 7.1 평가의 대상 = 223
• 7.2 평가 도구 = 225
• 7.3 test 집합 신뢰 구간 계산 방법 = 232
• 7.4 Supervised 학습자 모델의 비교 = 231
• 7.5 어트리뷰트 평가 = 237
• 7.6 Unsupervised 평가 기법 = 244
• 7.7 Supervised 모델이 수치 출력 값을 가진 경우의 평가 = 246
• 7.8 요약 = 248
• 7.9 핵심 용어 = 249
• 7.10 연습 문제 = 251
• Part Ⅲ 고급 데이터 마이닝 기법
• Chapter 8 신경망(Neural Networks) 학습 = 256
• 8.1 전방향 신경망(Feed-Forward Neural Networks) = 257
• 8.2 신경망의 훈련: 개념적 관점 = 262
• 8.3 학습된 신경망의 해석(Neural Network Explanation) = 266
• 8.4 일반적 고찰 = 267
• 8.5 신경망 훈련: 자세하게 보기 = 269
• 8.6 요약 = 275
• 8.7 핵심 용어 = 276
• 8.8 연습 문제 = 277
• Chapter 9 iDA로 신경망 구성하기 = 278
• 9.1 역전파(backpropagation) 학습을 위한 4단계(four-step) 접근 방법 = 279
• 9.2 신경망 클러스터링을 위한 4단계(four-step) 접근 방법 = 290
• 9.3 신경망 클러스터 분석을 위한 ESX = 296
• 9.4 요약 = 298
• 9.5 핵심 용어 = 299
• 9.6 연습 문제 = 299
• Chapter 10 통계적 기법 = 303
• 10.1 선형 회귀 분석(Linear Regression Analysis) = 304
• 10.2 로지스틱 회귀 분석(Logistic Regression) = 311
• 10.3 베이즈 분류기(Bayes Classifier) = 315
• 10.4 클러스터링 알고리즘(Clustering Algorithms) = 322
• 10.5 휴리스틱이냐 통계냐? = 332
• 10.6 요약(Chapter Summary) = 334
• 10.7 핵심 용어 = 336
• 10.8 연습 문제 = 337
• Chapter 11 그 외의 특별한 기법들 = 341
• 11.1 시계열 분석(Time-Series Analysis) = 342
• 11.2 웹 마이닝 = 348
• 11.3 테스트 데이터 마이닝 = 357
• 11.4 성능 향상 = 358
• 11.5 요약 = 363
• 11.6 핵심 용어 = 364
• 11.7 연습 문제 = 365
• 부록 A iDA 소프트웨어 = 368
• A.1 소프트웨어 설치 = 368
• A.2 iDA의 제거 = 370
• A.3 소프트웨어의 제한점 = 370
• A.4 소프트웨어 사용에 대한 일반적 가이드라인 = 371
• A.5 문제 해결 = 372
• A.6 소프트웨어 지원 = 373
• 부록B 데이터 마이닝에서 사용된 데이터 집합 = 374
• B.1 iDA 데이터 집합 패키지 = 374
• B.2 데이터 마이닝을 위한 데이터 집합이 있는 웹사이트들 = 379
• 참고문헌 = 381
• 찾아보기 = 386