S-Plus와 Enterprise Miner의 의사결정나무생성 알고리즘의 비교

Abstract

의사결정나무은 대용량의 자료로부터 의사결정의 돕고 유용한 정보를 찾아내는 일련의 분석과정인 데이터마이닝의 한가지 기법이다. 이러한 의사결정나무 모형은 자료의 탐색과 모형화라는 두가지 특징을 가지고 있다. 특히, 의사결정나무 모형은 대용량 자료의 이상치탐색과 분석에 필요한 변수를 찾아내고 모형에 포함되어야 할 교호작용효과를 찾아내는데 사용되며 그 자체가 분류 또는 예측모형으로 활용될 수 있다. 본 논문에서는 의사결정나무의 개요에 대해 소개하고 S-plus의 의사결정나무생성 알고리즘과 Enterprise miner에서의 의사결정나무생성 알고리즘중 CHAID 와 CART에 대해 살펴본다. 그리고 여러 가지 응용사례를 들어 비교, 분석해 보고 어느 것이 더 안정적인지 알아본다.;Decision tree is the way of Data Mining and the total analysing process, helping the decision from the large amount of data and searching the effective information. Decision tree model has two characters, searching and modeling of the data. Especially, it is used to search the variable needed for searching the outlier and analysing of a large amount of data and search the interaction effect included in the model. Moreover Decision tree model itself is used for classification model or prediction model. In this research, I will introduce Decision tree and review algorithm of tree generation in S-plus and Enterprise miner. Moreover we will compare Decision tree of Enterprise miner to Decision tree of S-plus with real datas and analyse two algorithm and then make conclusion which is more stable and effective one.