사례분석을 통한 데이터마이닝 기법비교

Abstract

데이터마이닝은 대용량의 자료에 대해서 알려지지 않은 패턴을 찾아내는 샘플링(Sampling), 탐색(Exploration) , 변형 및 조정(Modification),모형화(Modeling), 평가(Assessment)의 과정이라고 할 수 있다. 최근들어 데이터의 축적과 기술적 발전, 기업들 간의 경쟁 가중 등의 이유로 데이터마이닝이 더욱 부각되고 있다. 본 논문에서는, 데이터마이닝 주요 기법인 의사결정나무분석과 신경망분석을 일반적인 로지스틱 회귀분석과 비교해본다. SAS의 EnterpriseMiner를 이용하여 실제의 4가지 데이터를 분석하고 평가한다. 기법들은다른 데이터마다 다른 효용성을 지닌다. 탐색과 반복을 통해 가장 적당한 기법을 선택하는 것이 최선의 방법이다. ; Data mining is a process of sampling, exploring, modification, modeling, and assessment for large amount of data to uncover previously unknown patterns of data for business advantage. By applying data mining techniques, companies can fully explore data. In practice, data mining has been around for a long time. but, the term, data mining, has only recently earned credibility within the business world for its abilities to control costs and contribute to revenue. In this paper, we compare the efficiency and accuracy among data mining techniques regression, decision tree, and neural network. We have used the SAS Enterprise miner package to analyze and assess four real data sets. And we see different results for different data. We suggest that you should select the most adequate technique after deep observation and several repetitions.