소장자료검색

책소개

비즈니스 인텔리전스를 위한 데이터마이닝은 분류, 예측 및 고객세분화 등을 위한 모형개발 방법을 학습하는데 유용한 지침서이다.

오늘날 기업들은 데이터마이닝을 활용하여 기업의 목표 고객들에게 성공적으로 좀 더 가까이 접근할 수 있게 되었다. MIT Sloan 경영대학원과 매릴랜드 대학교의 Smith 경영대학원에서 강의한 경험을 토대로 탄생된 비즈니스 인텔리전스를 위한 데이터마이닝은 실제 데이터와 사례를 사용함으로써 비즈니스 모델을 성공적으로 개발하는데 있어서 데이터마이닝 인텔리전스의 적용가능성을 기술하고 있다.

이 책은 마이크로소프트 오피스 엑셀의 추가설치 프로그램인 XLMiner를 수록함으로써 독자들이 자신의 이
해수준에 맞추어 책 내용을 학습하고 알고리즘을 구현할 수 있게 하였다. 또한 데이터마이닝 기법을 사용하는 학생, 실무자들에게 실제 비즈니스 중심의 응용사례들을 제시하고 있으며, 풍부한 실습과 예제를 통해 학습과 이해력을 높이도록 하였다.

비즈니스 인텔리전스를 위한 데이터마이닝은

ㆍ분류, 예측, 차원축소, 탐색, 친화성분석 등의 주요 데이터마이닝 기법에 대한 이론적이고 실무적인 이해를 제공한다.
ㆍ이 주요 기법들을 이용한 비즈니스 의사결정에 대한 내용을 다룬다.
ㆍ실제 비즈니스 사례와 데이터를 이용하여 데이터마이닝 기법을 적용하고 이에 대한 분석결과를 제시한다.

이 책을 통해서 독자들은 주요 비즈니스 실무사례와 데이터마이닝간의 유용한 관계를 살펴볼 수 있다. 또한 이 책은 중요한 전략과 좀더 현명한 경영의사결정을 수립할 수 있게 해 주는 뛰어난 학습도구가 될 수 있다.

이 책의 저자인 갈리트 시뮤엘리(Galit Shmueli) 박사는 매릴랜드 대학교 스미스 경영대학원의 의사결정 정보기술학과의 통계학 전공의 조교수이며, 니틴 파텔(Nitin R. Patel) 박사는 캠브리지에 소재한 사이텔(Cytel)기업의 회장이자 설립자이며, 최고기술경영자(CTO)이고, MIT의 공학시스템학부의 방문교수이다. 피터브루스(Peter C. Bruce)는 Statistics.com의 사장이자 소유주이며, 통계학의 전문가개발 과정을 선도하고 있는 기업인이다.

목차

서문
머리말
감사의 글
번역서문


제1장 데이터마이닝의 개요
1.1 데이터마이닝이란 무엇인가?
1.2 데이터마이닝은 어디에서 사용되는가?
1.3 데이터마이닝의 기원
1.4 데이터마이닝의 급속한 성장
1.5 왜 다양한 데이터마이닝 기법들이 존재하는가?
1.6 용어와 표기
1.7 이 책의 구성도

제2장 데이터마이닝 프로세스
2.1 개요
2.2 데이터마이닝의 주요 개념
2.3 지도학습과 자율학습
2.4 데이터마이닝의 수행 단계
2.5 데이터마이닝의 예비 단계
2.6 모형 구축: 선형 회귀분석을 이용한 예
2.7 엑셀을 이용한 데이터마이닝
연습문제

제3장 데이터 탐색과 차원축소
3.1 개요
3.2 예제를 통한 고찰
3.3 데이터의 요약
3.4 데이터의 시각화
3.5 상관관계분석
3.6 범주형 변수의 범주 개수 축소
3.7 주성분 분석
연습문제

제4장 분류 및 예측모형의 성과평가
4.1 개요
4.2 분류모형의 성과평가
4.3 예측모형의 성과평가
연습문제

제5장 다중 선형 회귀분석
5.1 개요
5.2 설명모형 VS 예측모형의 구축
5.3 회귀 방정식의 추정과 예측
5.4 선형 회귀분석의 변수선정
연습문제

제6장 3가지 유형의 단순분류기법
6.1 개요
6.2 단순 규칙
6.3 단순 베이즈 분류모형
6.4 K-최근접이웃기법
연습문제

제7장 분류와 회귀나무
7.1 개요
7.2 분류나무
7.3 반복적 분할
7.4 예제 1: 승차식 잔디깎기의 구매
7.5 분류나무의 성과 평가
7.6 과적합 없애기
7.7 분류나무에 의한 분류규칙
7.8 회귀나무
7.9 모형의 장단점과 추가 고려사항
연습문제

제8장 로지스틱 회귀분석
8.1 개요
8.2 로지스틱 회귀분석
8.3 선형 회귀분석이 범주형 반응변수에 적합하지 않은 이유
8.4 분류 성과의 평가
8.5 전체 적합도의 평가
8.6 분석 예제: 항공기 연착 예측
8.7 3개 이상의 집단을 분류하는 로지스틱 회귀분석
연습문제

제9장 신경망모형
9.1 개요
9.2 신경망모형의 개념 및 구조
9.3 데이터로부터 신경망 학습시키기
9.4 사용자의 입력 요구사항
9.5 예측변수와 반응변수와의 관계를 탐색하기
9.6 신경망의 장단점
연습문제

제10장 판별분석
10.1 개요
10.2 예제 1: 승차식 잔디깍기 기계
10.3 예제 2: 개인대출 승인
10.4 집단으로부터 관찰치에 이르는 거리
10.5 피셔의 선형 분류함수
10.6 판별분석의 분류성과
10.7 사전확률
10.8 비대칭 오분류비용
10.9 3 개 이상의 집단 분류
10.10 판별분석의 장단점
연습문제

제11장 연관성규칙
11.1 개요
11.2 거래 데이터베이스 내의 연관성규칙 발견
11.3 예제1: 휴대전화 보호용 덮개 구매데이터
11.4 후보 규칙의 생성
11.5 연관성규칙의 선택
11.6 예제 2: 유사한 도서구매를 위한 규칙
11.7 요약
연습문제

제12장 군집분석
12.1 개요
12.2 예제: 공공 전력산업체
12.3 두 레코드 간의 거리계산
12.4 두 군집간의 거리계산
12.5 계층적 병합 군집화
12.6 비계층적 군집화: K-평균 알고리즘
연습문제

제13장 사례연구
13.1 찰스 도서클럽
13.2 독일(금융기관)의 개인신용평가
13.3 타이코 소프트웨어 카탈로그 회사
13.4 목욕세제 소비자들에 위한 시장 세분화
13.5 우편광고를 이용한 기금모금
13.6 카탈로그 교차판매
13.7 부도예측

참고문헌

색인