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. 데이터마이닝 활용 분야
- Pre
알고리즘 설계에서 기계학습이론은 실현 가능한 효과적인 학습 알고리즘을 기반으로, 다중 추론 문제를 해결하여 쉽게 처리할 수 있는 근사 알고리즘을 개발하는 것이다. 머신러닝은 데이터마이닝, 컴퓨터 비전, 자연어 처리, 생체인식, 검색엔진, 의학 진단, 카드 사기 탐지, 증권시장 분석, DNA 시퀀스
데이터 량의 증가 때문이다.여기서 머신러닝과 딥러닝의 차이를 간단하게 설명하면 다음과 같다. 머신러닝은 특정 업무를 처리하는 컴퓨터 프로그래밍 접근법이 아니라 ‘러닝’ 즉 ‘학습’에 초점이 맞춰져 있다. 머신러닝은 복잡한 알고리즘을 이용해 대량의 데이터를 분석해 그 중 패턴을 인식하
데이터분석과는 구분을 하고 의미를 찾고자 한다면, “복잡성이 높은 데이터분석에 인공지능(artificial intelligence)이나 패턴인식(pattern recognition) 등에서 연구되어 오고 있는 기계학습(machine learning) 이론을 적용하기 시작했다”고 할 수 있다.
❶ 기계학습과 같은 알고리즘(algorithm) 접근 방법이 데이터
I. 데이터마이팅의 기본개념
1) 데이터마이닝의 기본개념
데이터마이닝이란 자동화되고 지능을 갖춘 데이터베이스분석기법으로 90년대 초반부터 지식발견(KDD: Knowledge Discovery in Database), 정보발견(information discovery), 정보수확(information harvesting)의 이름으로도 소개되어 왔는데 일반적으로 "대량의 데