|
의사결정트리의 장점
▪ 해석의 용이성
나무구조로 모형이 표현. 모형을 사용자가 쉽게 이해가능.
다른 표본들에도 모형을 적용시키기 쉬움.
▪ 교호작용효과
조건A이고 조건B이면 결과C.
두가지 이상의 변수를 활용하여 쉽게 결
|
|
|
1. 조사 동기
21세기에 접어들면서 전
세계적으로 고령화가 되어
가고 있으며, 각종 자연재
해, 인플루엔자 등으로 인
하여 병원을 찾는 일이 잦
아지고 있다. 많은 사람들
이 병원에 방문하면서 병원
감염은 급속히 증가
|
|
|
□ 국내의 한 신용카드 회사에서는 카드사용의 부정행위를 적발하고 예방하기 위해서 대규모 데이터베이스로부터 데이터 웨어 하우스를 구축하고, 의사결정트리(decision tree)분석 그리고 신경망(neural networks) 분석을 이용하여 카드사용패턴을
|
|
|
수 있었다.
사업구조 개혁이나 시장진출전략 등 핵심적인 의사결정 외에는 모든
의사결정을 현장에 위임 1.의사결정론의 이해
2.불확실한 상황하의 의사결정
3.위험한 상황하에서의 의사결정
4.의사결정 트리
5.의사결정사례
|
|
|
의사결정트리(Decision making tree)를 이용하기도 합니다. Yes/No 식의 의사결정트리는 상황변수를 단순히 높다,낮다로 파악해서 리더십 스타일을 제안합니다.
QR이 높다->CR은 낮다->LI는 높다->CP는 낮다->...-> GII 유형의 행동 필요
이 이론
|
|
|
의사결정나무이다. 다른 변수들보다는 Workingday의 영향을 많이 받는 것으로 보여진다. 아무래도 출근시간이다 보니 대부분이 출근시간 이용자이다 보니 많은 차이가 있는 것으로 보인다. 다음으로는 17시 시간을 분석해 보았다.
그림 (3-5)
오후
|
|
|
보다는 실무 위주의 컴퓨터 중심적 방법이다.
- 경험적 방법에 근거 하고 있다
- 일반화된 결과를 도출하는데 초점을 두고 있다.
- 기업의 다양한 경영상황하에서 경쟁력확보를 위한 의사결정을 지원하기 위해서 활용될 수 있다. 없음
|
|
|
@ summarization rules)
마. 클러스터링/세그멘테디(Clustering/Segmentation)
바. 유사성 탐색(Similarity search)
사. 순서패턴(Sequential pattrenrs)
4. Data Mining 기법
가. 신경망(Neural network
나. 결정트리(Decision tree)
다. 클러스터 분석(Cluster analysis)
5. 특성
|
|
|
결과를 도촐하는데 초점을 두고 있다.
- 기업의 다양한 경영상황하에서 경쟁력확보를 위한 의사결정을 지원하기 위해서 활용될 수 있다. 1. Datamining
2. Data Mining 절차(수행과정)
3. Data Mining 발견 규칙
4. Data Mining 기법
5. 특성
|
|
|
결정트리등의 기법 사용
분석목적에 따라 적절한 기법을 사용하여 예측모형을 만드는 단계
마. Reporting/Visualization 단계
그래프나 각종 차트등으로 사용자들에게 보기 편하고 이해하기 쉬운 형태로 제공 데이터마이닝의 정의
데이터마
|
|
메뉴펼치기
