![[mis, 경영정보시스템] 의사결정나무(decision tree)-1](http://images.happyhaksul.com/thumb/348/347148-0001.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-2](http://images.happyhaksul.com/thumb/348/347148-0002.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-3](http://images.happyhaksul.com/thumb/348/347148-0003.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-4](http://images.happyhaksul.com/thumb/348/347148-0004.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-5](http://images.happyhaksul.com/thumb/348/347148-0005.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-6](http://images.happyhaksul.com/thumb/348/347148-0006.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-7](http://images.happyhaksul.com/thumb/348/347148-0007.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-8](http://images.happyhaksul.com/thumb/348/347148-0008.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-9](http://images.happyhaksul.com/thumb/348/347148-0009.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-10](http://images.happyhaksul.com/thumb/348/347148-0010.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-11](http://images.happyhaksul.com/thumb/348/347148-0011.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-12](http://images.happyhaksul.com/thumb/348/347148-0012.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-13](http://images.happyhaksul.com/thumb/348/347148-0013.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-14](http://images.happyhaksul.com/thumb/348/347148-0014.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-15](http://images.happyhaksul.com/thumb/348/347148-0015.gif)
![[mis, 경영정보시스템] 의사결정나무(decision tree)-16](http://images.happyhaksul.com/thumb/348/347148-0016.gif)
분야
hwp2) 대표적 데이터 마이닝의 종류
3) 의사결정나무의 정의
4) 의사결정나무의 구성요소
5) 의사결정나무의 원리
6) 의사결정나무의 분석 방법
7) 의사결정나무 알고리즘(CHAID, CART, C4.5)의 종류
8) 의사결정나무의 장점과 단점
9) 의사결정나무를 적용한 사례
10) 결론
11) 참고문헌
많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출해 내고 의사 결정에 이용하는 과정을 말한다. 데이터베이스로부터 과거에는 알지 못했지만 데이터 속에서 유도된 새로운 데이터 모델을 발견하여 미래에 실행 가능한 정보를 추출해 내고 의사 결정에 이용하는 과정을 말한다. 즉 데이터에 숨겨진 패턴과 관계를 찾아내어 광맥을 찾아내듯이 정보를 발견해 내는 것이다. 여기에서 정보 발견이란 데이터에 고급 통계 분석과 모델링 기법을 적용하여 유용한 패턴과 관계를 찾아내는 과정이다. 데이터베이스 마케팅의 핵심 기술이라고 할 수 있다.
2. 대표적 데이터 마이닝의 종류
1) 연관규칙탐사
- 상품 혹은 서비스 간의 관계를 살펴보고 이로부터 유용한 규칙을 찾아내고자 할 때 이용될 수 있는 기법이다. 상품이나 서비스의 거래기록데이터로부터 상품간의 연관성정도를 측정하여 연관성이 많은 상품들을 그룹화하는 클러스터링의 일종이라고 할 수 있다.
2) 연속패턴탐사
- 동시에 구매될 가능성이 큰 상품군을 찾아내는 연관성측정에 시간이라는 개념이 포함되어 순차적인 구매가능성이 큰 상품군을 찾아내는 것이다.
3) 군집분석
- 고객수입, 고객연령과 같은 속성이 비슷한 고객들을 묶어서 몇 개의 의미있는 군집으로 나누는 것을 목적으로 하고 전체가 너무 복잡할 때에는 몇 개의 군집을 우선 살펴봄으로써 전체에 대한 윤곽을 잡을 수 있는 방법이다.
4) 의사결정수(Decision Trees)
- 자세한 설명은 뒤에서 하도록 하겠다.
5) 신경망모형
- 인간이 경험으로부터 학습해 가는 두뇌의 신경망 활동을 흉내내어 자신이 가진 데이터로부터의 반복적인 학습 과정을 거쳐 패턴을 찾아내고 이를 일반화함으로써 특히 향후를 예측하고자 하는 문제에 있어서 유용하게 이용되는 기법이다.
3. 의사결정나무의 정의
의사결정나무(decision tree)는 의사결정 규칙을 도표화하여 관심대상이 되는 집단을 몇 개의 소집단으로 분류 하거나 예측을 수행하는 계량적 분석방법이고 가능한 모든 대안들과 각 대안에서 발생할 수 있는 불확실성 및 그 결과를 있는 그대로 그림으로 나타낸 것이다. 분석과정이 나무구조에 의해서 표현되기 때문에 분류 또는 예측을 목적으로 하는 다른 방법들에 비해 연구자가 분석과정을 쉽게 이해하고 설명할 수 있다는 장점을 가지고 있다.
의사결정나무는 각 의사 결정의 선택 가능한 대안들과 연관된 불확실한 사건들의 가능한 결과 값들에 따라, 의사결정 문제의 계획범위안의 가능한 모든 경로를 상세히 표현한다. 또한 의사결정나무는 대안을 선택한 후의 미래 발자취를 찾아가는 것과 같이 생각할 수 있다.
CRM을 포함한 데이터 마이닝 프로젝트에서 빠지지 않고 구축되는 모형으로서 고객에 대한 점수화(scoring)와 세분화(segmentation)가 있다. 고객 점수화는 주로
- (데이터 마이닝)
http://neuru.tistory.com/207 - (심리테스트 자료)
http://cafe.naver.com/apmarketingforum.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=18
- (정의)
http://cafe.naver.com/bluematrix.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=484 - (정의)
http://cafe.naver.com/industrymanagement08.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=687 - (원리)
데이터마이닝 의사결정나무분석 / 최종후 외 공저 - (구성요소)
http://cafe.naver.com/industrymanagement08.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=721 - (구성요소)
http://www.ksie.or.kr/bbs/Data/board/conference/G2-4.pdf - (노드의 개념)
http://cafe.naver.com/gaury.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=20253
- (알고리즘 분석)
데이터 마이닝 의사결정나무분석(Answer Tree를 이용한) 최종후 저 / 고려정보산업
- (알고리즘 분석)
http://blog.naver.com/purun90/40004381475 - (개념 및 장,단점)
http://www.nso.go.kr/attach/journal/4-1-3.PDF - (사례부분)
데이터 마이닝 의사결정나무의 응용 최종후, 서두성 저/ 통계분석연구 - (사례부분)
판단력 강의 101 -
