총 38개
-
Kernel PCA & Spectral Clustering2025.01.131. Kernel PCA Kernel PCA는 편향이 큰 실세계의 데이터를 분석하는데 어려움이 있고, outlier data에 매우 민감한 linear PCA의 단점을 보완하기 위해 kernel trick을 수행한다. 하지만 분산이 가장 큰 축으로 데이터들을 정사영 시킬 뿐, clustering algorithm을 적용하지는 않는다. 2. Spectral Clustering Spectral Clustering은 군집화를 더 쉽게 하기 위해서 유사도 행렬 A를 통해 데이터들을 변형된 공간에 넣고, 후에 clustering algori...2025.01.13
-
CRM 관리에서 신규고객 유치전략과 기존고객 유치전략2025.01.171. CRM 기술적 구성요소 CRM을 구성할 때 가장 중요한 정보 기술은 데이터베이스와 데이터 웨어하우스이다. 데이터웨어하우스는 개별 사업정보시스템에 흩어져 있는 고객 관련 데이터를 통합해 고객 중심 데이터를 정리하는 개념으로 분석정보와 보고서 계산이 용이하다. OLAP 기술은 고객, 제품, 구매 행동, 서비스 이력 등 다양한 측면을 분석할 수 있으며, 데이터마이닝은 CRM 관련 프로젝트의 필수적인 부분이다. 2. 신규고객 유치전략 CRM은 이미 내부에서 가지고 있는 데이터베이스를 기준으로 의사결정을 내린다. 그러므로 신규고객을 유...2025.01.17
-
특허와 기술개발 선행기술 조사 보고서 과제(인공지능 데이터마이닝)2025.01.061. 데이터 마이닝 데이터 마이닝은 대량의 데이터로부터 새롭고 의미 있는 정보를 추출하고 이를 의사결정에 활용하는 기술입니다. 최근 데이터의 양과 다양성이 증가함에 따라 데이터 마이닝 기술이 각광받고 있습니다. 연관 규칙 분석, 클러스터링 등 다양한 데이터 마이닝 기술이 존재하며, 소매업체의 상품 진열, 광고 추천 등 다양한 분야에서 활용되고 있습니다. 또한 웹 사용 마이닝을 통해 사용자 행동 패턴을 분석하고 개인화된 서비스를 제공할 수 있습니다. 2. 실시간 데이터 마이닝 최근 스마트 단말기의 보급으로 인해 로그 데이터의 양이 증...2025.01.06
-
데이터마이닝 ) 나무 형태를 이용한 지식 표현 사례2025.01.031. 의사결정나무 의사결정나무는 예측모형에서 가장 많이 사용되며 의사결정 규칙을 도표화하여 대상 집단을 분류하거나 예측하는 분석 방법입니다. 의사결정나무의 장점은 나무구조에 의해 모형이 표현되어 사용자의 이해가 쉽고, 유용한 예측변수나 비선형성을 자동으로 찾아낼 수 있으며, 선형성이나 정규성, 등분산성과 같은 가정을 필요로 하지 않는 비모수적인 방법이라는 것입니다. 하지만 의사결정나무 모형은 연속형 변수를 비연속적인 값으로 취급하여 분리의 경계점에서 예측오류가 큰 가능성이 있고, 선형성과 주 효과를 가지지 못한다는 단점이 있습니다....2025.01.03
-
고객관계관리 정의 및 특성, CRM 실행안 분석2025.01.171. 고객관계관리 정의 및 특성 CRM은 고객과의 장기적 관계를 구축하고 고객관리 요소를 정리·통합해 기업 경영 성과를 개선하기 위한 새로운 경영방식이다. CRM은 장기적으로 고객 수익성을 극대화하는 것을 목표로 하며, 다양한 고객 정보를 수집, 저장, 분석하여 적시에 적절한 고객에게 효과적인 채널을 통해 제품이나 서비스를 제공한다. 2. CRM의 구성요소 CRM의 구성요소에는 프로세스와 기술적 관점이 있다. 프로세스 관점에서는 신규고객 유치, 기존고객 관리, 고객 수명주기 관리 등이 포함된다. 기술적 관점에서는 데이터웨어하우스, ...2025.01.17
-
4차 산업혁명을 선도할 주요 기술에 대한 조사2025.04.261. 인공지능의 발전 인공지능은 기계나 알고리즘, 시스템이 인간의 행동과 지능을 모방하는 능력을 가진 기술이다. 인공지능은 인간의 지능을 시뮬레이션하고 확장하며, 이런 기술이나 방법, 응용프로그램을 연구하고 개발하는 새로운 기술 과학이다. 인공지능은 탄생 이후 이론과 기술이 나날이 발전되고 있으며, 응용 분야도 확대되고 있다. 미래의 인공지능 기술은 다양한 과학 기술 제품에 인류 지혜의 지혜를 담당할 것이라고 예상할 수 있다. 2. 인공지능의 활용 인공지능은 이미 점차 우리 생활에 들어와 다양한 분야에 응용되고 있다. 자율주행차, ...2025.04.26
-
데이터마이닝의 정의와 활용 분야2025.01.071. 데이터마이닝 정의 및 필요성 데이터마이닝은 대용량의 데이터에서 유용한 지식을 효과적으로 찾아내는 기술로, 기업의 경쟁력 확보에 중요한 역할을 합니다. 데이터마이닝은 통계학, 인공지능, 데이터베이스 등 다양한 분야를 아우르는 융합 분야이며, 비계획적으로 수집된 대용량 데이터를 다루고 일반화와 예측이 중요한 특징을 가지고 있습니다. 2. 데이터마이닝의 활용 분야 데이터마이닝은 데이터베이스 마케팅, 신용평가, 의료 분야 등에서 다양하게 활용되고 있습니다. 데이터베이스 마케팅에서는 타겟 마케팅, 고객 세분화, 이탈 고객 분석 등에 활...2025.01.07
-
자료에 극단값이 포함된 경우 극단값 처리에 대한 논의2025.01.281. 극단값의 정의와 특성 극단값은 데이터 집합에서 다른 값들과 큰 차이를 보이는 값으로, 일반적으로 데이터 분포의 상하위 1% 또는 3 표준편차를 벗어난 값을 극단값으로 간주한다. 극단값은 오류로 인해 발생하거나 데이터의 본질적 특징을 반영할 수 있다. 2. 극단값이 분석에 미치는 영향 극단값은 평균, 표준편차와 같은 주요 통계값에 큰 영향을 미칠 수 있다. 극단값으로 인해 데이터의 분포가 왜곡되어 정책 결정이나 연구 결과 해석에 오류를 초래할 수 있다. 3. 극단값의 처리 방법 극단값 처리 방법에는 극단값 제거, 다른 값으로 대...2025.01.28
-
방통대 [데이터마이닝] 2024 출석과제물 (30점 만점 인증 / 표지제외 12페이지 분량 / 코드 및 해설 포함)2025.01.251. 모수적 모형 접근법 모수적 모형 접근법은 통계를 사용하여 데이터의 특징과 의미를 해석할 수 있는 분석 모델을 만드는 전통적인 방법입니다. 주로 사용하는 모형으로는 선형 회귀분석, 로지스틱 회귀모형이 있으며 모델 내에서 a 또는 b 같은 모수를 최소제곱법 또는 최대우도추정법을 사용하여 추정합니다. 모수적 모형 접근법으로 만들어진 분석 모델은 원인과 결과에 대한 설명이 용이하다는 장점이 있지만, 분석 모델을 만드는데 사용했던 데이터가 아닌 다른 데이터를 사용할 경우 정확도가 낮아지거나 적용 자체가 불가능할 수 있다는 단점이 있습니...2025.01.25
-
데이터마이닝의 정의와 활용 분야2025.01.181. 데이터마이닝의 정의 데이터마이닝은 대규모 데이터 세트에서 통계적이고 수학적인 기법을 활용하여 유용한 정보와 패턴을 추출하는 과정을 말한다. 이는 데이터베이스, 데이터 웨어하우스 또는 다양한 데이터 소스로부터 데이터를 수집하고 분석함으로써 이루어진다. 데이터마이닝은 기계 학습, 통계 분석, 패턴 인식, 인공지능 등의 다양한 분야의 기법과 원칙을 포괄하는 다중 학문적인 접근 방법을 사용한다. 2. 데이터마이닝 활용 분야: 상업 분야 온라인 소매업체는 고객의 구매 이력, 검색 기록, 선호도 등을 분석하여 개별 고객에게 맞춤형 제안을...2025.01.18
1 / 4
