분석에 필요한 변수 또는 모형에 포함되어야 할 교호효과를 찾아내는데 사용되며, 모형화는 자체로 분류 또는 예측 모형으로 사용된다.
2. 의사결정나무의 구성요소
의사결정나무는 하나의 나무구조를 이루고 있으며 이는 마디(node)라고 불리는 구성요소들로 이루어져 있다. 마디는
분석과정의 설명이 필요한 경우에 더 유용하게 사용
(1) 세분화(Segmentation)
데이터를 비슷한 특성을 갖는 몇 개의 그룹으로 분할하여 각 그룹별 특성을 발견하는 경우 또는 각 고객이
어떤 집단에 속하는지를 파악하고자 하는 경우
(2) 분류(Classification, Stratification)
관측개체를 여러 예측변수들에
의사결정나무는 각 의사결정의 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 마
분석방법
노드(node) 와 가지(arc) 로 구성되어 있고 각 노드는
변수를 의미
마지막 노드(leaf node) 는 결과값을 의미
각 노드는 변수가 갖는 경우 수 만큼 가지를 가짐
해를 찾는 과정은 각 노드에서 해당 가지로 이동하면서 이루어짐
대상 집단을 몇 개의 소 집단으로 분류
데이터를 다루는 데이터마이닝의 경우, 수많은 품목들의 관계속에서 의미있는 관련성을 찾기 위해서는 결과해석에 앞서 연관성의 내용이 일반화 할 수 있는 내용인가를 판단할 수 있도록 각 연관규칙을 비교할 수 있는 비교기준이 필요하다.
따라서 데이터마이닝에서의 연관성 분석 목적은 이러한 품