Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 任勇彬 | - |
dc.contributor.author | 金仙淑 | - |
dc.creator | 金仙淑 | - |
dc.date.accessioned | 2016-08-25T04:08:34Z | - |
dc.date.available | 2016-08-25T04:08:34Z | - |
dc.date.issued | 2004 | - |
dc.identifier.other | OAK-000000009566 | - |
dc.identifier.uri | https://dspace.ewha.ac.kr/handle/2015.oak/176589 | - |
dc.identifier.uri | http://dcollection.ewha.ac.kr/jsp/common/DcLoOrgPer.jsp?sItemId=000000009566 | - |
dc.description.abstract | 대용량 데이터 분석에 있어서 설명변수가 많을 경우 상대적으로 이에 따라 Missing Value를 갖는 설명변수도 많게 되어 분석에서 중요변수가 제외되는 경우가 많다. 본 논문에서는 이러한 Missing Value가 많은 대용량 자료에서 분석에 앞서 의사결정나무 분석을 통해 미리 중요한 설명변수를 선별시킨 후, 이것들에 대해서 로지스틱 회귀분석을 실시함으로써 이로부터 얻어진 모형을 자료 분석의 출발점 모형으로 삼고자 한다. | - |
dc.description.tableofcontents | 목차 제목차례 1. 서론 = 1 2. 의사결정나무 = 2 3. 로지스틱 회귀분석 = 4 4. 사례분석 = 5 4.1 예제 자료와 분석 목적 = 5 4.2. 의사결정나무의 분석흐름도 작성과 각 노드의 설정 = 7 4.2.1 입력 데이터 노드 (Input Data Source node) = 7 4.2.2 데이터 분할 노드 (Data Partition node) = 8 4.2.3. 의사결정나무 분석 노드 = 10 4.3 로지스틱 회귀분석(Regression) = 11 4.3.1 대체 노드(Replacement node) = 11 4.3.2 변수선택 노드(Variable selection) = 12 4.3.3 회귀 노드(Regression node) = 13 4.4. 모형의 결과 = 14 4.4.1 사례 분석을 통한 모형 비교 = 14 4.4.1.1 Data set A 에 대한 각각의 경우의 모형 = 14 4.4.1.2 Data set B 에 대한 각각의 경우의 모형 = 17 4.4.1.3. Dataset A의 Validation sample을 적용시킨 결과 = 20 4.4.1.4. Dataset B의 Validation sample을 적용시킨 결과 = 23 4.4.1.5. Dataset A에 대한 로지스틱 회귀분석 결과 = 26 4.4.1.6. Dataset B에 대한 로지스틱 회귀분석 결과 = 28 4.4.2. 결과 비교 = 30 5. 결론 = 32 참고문헌 = 33 감사의 글 = 34 | - |
dc.format | application/pdf | - |
dc.format.extent | 547379 bytes | - |
dc.language | kor | - |
dc.publisher | 이화여자대학교 대학원 | - |
dc.title | 의사결정나무 분석을 이용한 사례분석 | - |
dc.type | Master's Thesis | - |
dc.format.page | 34 p. | - |
dc.identifier.thesisdegree | Master | - |
dc.identifier.major | 대학원 통계학과 | - |
dc.date.awarded | 2005. 2 | - |