데이터마이닝소개(Data mining) Ver2.0

소개글

데이터마이닝소개(Data mining) Ver2.0에 대한 보고서 자료입니다.

목차

1. Mining 소개
2. 필요성
3. 분석방법
4. 적용사례
5. 발전방향
6. 적용분야
7. 참고문헌
8. 유첨(국내기업 적용사례)

본문내용

1. Mining소개 - 생선분류 처리공장 관리자의 고민
━━━━━━━━━─────────────────

연어와 농어를 자동으로 분류할 수 있는 시스템을 만들 수 없을까?



연어(Salmon)

　≪ 그 림 ≫


농어(Sea Bass)

　≪ 그 림 ≫



　≪ 그 림 ≫






1. Mining소개 - 생선분류 자동화 시스템
━━━━━━━━━─────────────────

Vision System

　≪ 그 림 ≫


Image Process

　≪ 그 림 ≫


Analysis(Feature Extraction)

　≪ 그 림 ≫



Modeling(Classification - 1)

　≪ 그 래 프 ≫


Modeling(Classification - 2)

　≪ 그 래 프 ≫






1. Mining소개 - 공장 관리자의 고민 1 : 비용을 고려한 분류모델링
━━━━━━━━━─────────────────

평균 분류 오류값이 작은 모델링이 가장 좋다고 볼 수 있을까?


Modeling A

　≪ 그 림 ≫


Modeling B

　≪ 그 림 ≫


◆ 정확도만을 고려할 경우 : Model A > Modeling B
◆ 고객Claim Cost을 고려한 경우 : Modeling A < Modeling B

⇒ 농어를 연어로 인식하여 분류한 후 제품을 출하했을 경우, 반대의 경우보다
해당 제품을 구매한 고객의 Claim Cost가 상대적으로 큼






1. Mining소개 - 공장 관리자의 고민 2 : 분류모델링의 정확도
━━━━━━━━━─────────────────

분류모델링의 정확도는 어느 정도 까지 가져가야 하는가?


Modeling A

　≪ 그 림 ≫


Modeling B

　≪ 그 림 ≫



분석대상 Data만을 고려한다면 Modeling B를 선택하는 것이 바람직하지만
모델링의 과적합을 고려한다면 Modeling B를 선택하는 것이 바람직하다고
볼 수 없다.






1. Mining소개 - 데이터마이닝 이란?
━━━━━━━━━─────────────────

의사결정을 목적으로 측정, 조사, SQL질의 등을 통해 수집한 대용량의 데이터로부터

（Science）
다양한 분석알고리즘을 이용하여 문제해결의 기본을 만들고

（Art）
데이터 분석 경험과 노하우를 통하여


숨어있는 내재된 관계, 패턴, 규칙을 발견하는 방법

키워드

데이터마이닝,   Business Intelligence,   Mining,   Data Mining,   통계분석,   데이터분석