(빅데이터 분석을 위한) 데이터마이닝 방법론 : SAS enterprise miner 활용사례를 중심으로

목차 (Table of Contents)

• 목차
• 제Ⅰ부. 데이터마이닝 시작하기
• 제1장 데이터마이닝의 주요개념 = 3
• 1.1 데이터마이닝이란 무엇인가? = 5
• 1.2 데이터마이닝 프로젝트의 수행 프로세스 = 14
• 1.3 데이터마이닝 예측기법 = 25
• 1.4 Enterprise Miner의 소개 = 28
• 1.5 맺음말 = 30
• 1.6 연습문제 = 31
• 제2장 Enterprise Miner 맛보기 = 35
• 2.1 프로젝트의 생성과 분석흐름도의 작성 = 37
• 2.2 데이터의 분할 : Data Partition 노드 = 49
• 2.3 모형 구축 = 50
• 2.4 모형 평가 : Assessment 노드 = 51
• 2.5 점수화 : Score 노드 = 55
• 2.6 결측값 처리 : Impute 노드 = 59
• 2.7 예측모형에 대한 해석 = 61
• 2.8 보고서 작성 : Reporter 노드 = 66
• 2.9 연습문제 = 68
• 제Ⅱ부. 예측모형의 구축과 평가
• 제3장 의사결정나무분석 = 79
• 3.1 의사결정나무의 개념 = 81
• 3.2 의사결정나무의 분리기준 = 83
• 3.3 의사결정나무분석의 특징 = 86
• 3.4 분석사례 - 1(분류나무) : 신용평가 문제 = 88
• 3.5 분석사례 - 2(회귀나무) : 평균임금의 예측 = 101
• 3.6 분석사례 - 3 : 의사결정나무분석의 대화식 수행 = 106
• 3.7 의사결정나무모형에 대한 요약 테이블 작성 = 111
• 3.8 연습문제 = 112
• 제4장 회귀분석 = 117
• 4.1 선형회귀분석(Linear Regression Analysis) = 119
• 4.2 로지스틱 회귀분석(Logistic Regression Analysis) = 126
• 4.3 회귀분석의 특징과 제약 = 129
• 4.4 분석사례 - 1 : 선형회귀분석 = 130
• 4.5 분석사례 - 2 : 로지스틱 회귀분석 = 136
• 4.6 분석사례 - 3 : 신용평점표의 작성 = 145
• 4.7 연습문제 = 162
• 제5장 신경망분석 = 169
• 5.1 신경망의 구조와 개념 - MLP 신경망 = 171
• 5.2 신경망의 특징과 적용상의 문제점 = 173
• 5.3 분석사례 - 1 : 신경망과 로지스틱 회귀의 비교 = 177
• 5.4 분석사례 - 2 : 의사결정나무를 이용한 신경망모형의 해석 = 182
• 5.5 참조 : RBF 신경망과 EBF 신경망 = 187
• 5.6 연습문제 = 188
• 제6장 예측모형에 대한 평가 = 193
• 6.1 모형평가의 기본 개념 = 195
• 6.2 모델 비교(Model Comparison) 노드 = 196
• 6.3 임계치(Cutoff) 노드 = 212
• 6.4 의사결정(Decisions) 노드 = 216
• 6.5 기타 모형화 노드들 = 222
• 6.6 연습문제 = 226
• 제Ⅲ부. 데이터 사전처리와 자율예측
• 제7장 데이터 탐색과 변형 = 233
• 7.1 변수 변환(Transform Variables) 노드 = 235
• 7.2 결측값 처리(Impute) 노드 = 242
• 7.3 값 대체(Replacement 노드 = 245
• 7.4 변수 선택(Variable Selection 노드 = 248
• 7.5 주성분분석(Principal Componenets) 노드 = 254
• 7.6 연습문제 = 258
• 제8장 군집분석 = 263
• 8.1 군집분석의 개념 = 265
• 8.2 k-평균 군집방법(k-Means Clustering) = 270
• 8.3 군집분석의 특징과 적용상의 문제점 = 274
• 8.4 클러스터링(Clustering) 노드 = 275
• 8.5 세그먼트 프로파일링(Segment Profile) 노드 = 278
• 8.6 SOM／Kohonen 노드 = 292
• 8.7 변수 클러스터링(Variable Clustering) 노드 = 281
• 8.8 연습문제 = 284
• 제9장 연관성규칙발견 = 287
• 9.1 연관성규칙발견의 개념 = 289
• 9.2 연관성규칙발견의 특징과 적용상의 문제점 = 297
• 9.3 분석사례 - 1 : 연관성규칙발견 = 299
• 9.4 분석사례 - 2 : 시차 연관성분석 = 304
• 9.5 웹마이닝(Web Mining) = 306
• 9.6 분석사례 - 3 : 경로분석(Path Analysis) = 313
• 9.7 연습문제 = 316
• 부록. 예제 데이터세트에 대한 설명 = 321
• 찾아보기 = 335