다중나무를 이용한 사례분석

Abstract

데이터마이닝에서 사용하는 주요 기법은 인공 신경망 기법과 나무 구조 모형에 의한 결정론적 방법이다. 특히 나무 구조 방법은 1984년에 발표된 CART(Classification and regression tree)를 시작으로 활발한 연구가 시작되었다. CART에서 사용하는 기법의 이론은 통계학이며, 특히 비모수적 판별분석과 회귀분석의 이론이 적용된다. 그러나 CART를 이용한 방법이 불안정한 단점이 있으며, 이를 보완하기 위하여 Bagging, Bumping 등의 새로운 보완 방법이 제안되었다. 본 논문에서는 데이터마이닝의 분류(classification) 기법을 살펴본다. 그 중에서 다중나무인 Bagging 과 Arcing의 알고리즘을 살펴보고, 실제로 Enterprise miner를 이용하여 적용 사례를 살펴봄으로서 의사결정나무분석의 예측력과 정확성을 비교한다.;The principal method in Data mining is deterministic method by neural network and decision tree. Specially decision tree have started a lively research since CART(Classification and regression tree) is published in 1984. CART's theory used Statistics, especially it is applied theory of nonparametric discriminant analysis and regression analysis. But The method of CART is unstable. So new complementary method proposed to make up for it like bagging, bumping, etc. In this paper, we review data mining techniques for classification. For classification, we consider Bagging and Arcing in multiple tree. We have used the SAS Enterprise Miner package to analyze the real data. We show the prediction and the accurate result through the analysis.