목차 일부
1장 개론 ... 23
1.1 <B><FONT color ... #0000
1.2 과연, <B><FONT color ... #0000
1.3 <B><FONT color ... #0000
1.3.1 관계 데이터베이스 ... 33
1.3.2 데이터 웨어하우스 ... 35
1.3.3 트랙잭션 데이터베이스 ... 3...
더보기
목차 전체
1장 개론 ... 23
1.1 <B><FONT color ... #0000
1.2 과연, <B><FONT color ... #0000
1.3 <B><FONT color ... #0000
1.3.1 관계 데이터베이스 ... 33
1.3.2 데이터 웨어하우스 ... 35
1.3.3 트랙잭션 데이터베이스 ... 38
1.3.4 진보된 데이터베이스 시스템과 고급 데이터베이스 응용 ... 39
1.4 <B><FONT color ... #0000
1.4.1 개념／클래스 기술 : 특성화와 차별화 ... 46
1.4.2 연관성 분석 ... 48
1.4.3 분류(Classification)와 예측 ... 49
1.4.4 군집 분석 ... 50
1.4.5 이상치 분석 ... 51
1.4.6 전개 분석 ... 52
1.5 모든 패턴이 다 흥미로운가? ... 52
1.6 <B><FONT color ... #0000
1.7 <B><FONT color ... #0000
1.8 요약 ... 61
2장 <B><FONT color ... #0000
2.1 데이터 웨어하우스란 무엇인가? ... 69
2.1.1 운영 데이터베이스 시스템과 데이터 웨어하우스의 차이점 ... 72
2.1.2 왜 별도의 데이터 웨어하우스인가? ... 74
2.2. 다차원 데이터 모델 ... 76
2.2.1 테이블과 스프레드쉬트에서 데이터 큐브까지 ... 76
2.2.2 스타, 눈송이, 사실 성군 : 다차원 데이터베이스를 위한 스키마 ... 79
2.2.3 스타, 눈송이, 사실 성군 스키마 정의 예 ... 83
2.2.4 척도 : 분류와 계산 ... 86
2.2.5 개념 계층의 소개 ... 89
2.2.6 다차원 데이터 모델에서의 OLAP 연산 ... 91
2.2.7 다차원 데이터베이스 질의를 위한 스타넷 질의 모델 ... 95
2.3 데이터 웨어하우스의 구조 ... 96
2.3.1 데이터 웨어하우스의 설계와 구축 단계 ... 96
2.3.2 3계층 데이터 웨어하우스 구조 ... 101
2.3.3 OLAP 서버의 유형 : ROLAP, MOLAP, HOLAP ... 103
2.4 데이터 웨어하우스 구현 ... 106
2.4.1 데이터 큐브의 효율적인 계산 ... 106
2.4.2 OLAP 데이터의 인덱싱 ... 115
2.4.3 OLAP 질의의 효율적인 처리 ... 119
2.4.4 메타데이터 저장소 ... 121
2.4.5 데이터 웨어하우스 백엔드 도구와 유틸리티 ... 122
2.5 데이터 큐브 기술에서의 추가적인 연구들 ... 123
2.5.1 발견 중심의 데이터 큐브 탐색 ... 123
2.5.2 여러 세분화 단위에서의 복합 집계 : 멀티피쳐 큐브 ... 128
2.5.3 다른 진전들 ... 132
2.6 데이터 웨어하우징으로부터 <B><FONT color ... #0000
2.6.1 데이터 웨어하우스의 사용 ... 133
2.6.2 OLAP으로부터 OLAM(On-Line, Analytical Mining)으로 ... 135
2.7 요약 ... 138
3장 데이터 전처리 ... 147
3.1 왜 데이터를 전처리 하는가? ... 148
3.2 데이터 정제 ... 151
3.2.1 결측치 ... 152
3.2.2 잡음섞인 데이터 ... 153
3.2.3 불일치 데이터 ... 155
3.3 데이터 통합과 변환 ... 156
3.3.1 데이터 통합 ... 156
3.3.2 데이터 변화 ... 158
3.4 데이터 축소 ... 161
3.4.1 데이터 큐브 집계 ... 162
3.4.2 차원 축소 ... 163
3.4.3 데이터 압축 ... 166
3.4.4 수량 축소 ... 170
3.5 이산화와 개념 계층 생성 ... 178
3.5.1 수치형 데이터를 위한 이산화와 개념 계층 생성 ... 179
3.5.2 범주형 데이터를 위한 개념 계층 생성 ... 185
3.6 요약 ... 188
4장 <B><FONT color ... #0000
4.1 <B><FONT color ... #0000
4.1.1 작업관련 데이터 ... 196
4.1.2 마이닝 대상 지식의 종류 ... 199
4.1.3 배경지식 : 개념 계층구조 ... 200
4.1.4 흥미도 ... 204
4.1.5 발견된 패턴의 프리젠테이션과 가시화 ... 207
4.2 <B><FONT color ... #0000
4.2.1 작업관련 데이터의 명세를 위한 문법 ... 210
4.2.2 마이닝 대상 지식의 종류를 지정하기 위한 문법 ... 213
4.2.3 개념계층 명세에 대한 문법 ... 215
4.2.4 흥미도 명세 구문 ... 217
4.2.5 패턴 출력과 가시화 명세 구문 ... 217
4.2.6 DMQL 질의 예제 총정리 ... 218
4.2.7 다른 <B><FONT color ... #0000
4.3 <B><FONT color ... #0000
4.4 <B><FONT color ... #0000
4.5 요약 ... 226
5장 개념 서술 : 특성화와 비교 ... 233
5.1 개념 서술이란 무엇인가? ... 233
5.2 데이터 일반화와 요약에 기반한 특성화 ... 235
5.2.1 속성 중심 귀납법(Attribute-Oriented Induction, AOI) ... 236
5.2.2 속성 중심 귀납법의 효율적 구현 ... 243
5.2.3 생성된 일반화 결과의 출력 ... 246
5.3 분석 특성화 : 속성 관련 분석 ... 250
5.3.1 속성 관련 분석을 하는 이유 ... 251
5.3.2 속성 관련 분석 방법 ... 252
5.3.3 분석 특성화 예 ... 255
5.4 클래스 비교 마이닝 : 상이한 클래스들을 차별화하기 ... 257
5.4.1 클래스 비교 기법과 구현 ... 258
5.4.2 클래스 비교 서술의 표현 ... 261
5.4.3 클래스 서술 : 특성화와 비교의 출력 ... 263
5.5 대규모 데이터베이스에서 서술을 위한 통계 척도 마이닝 ... 266
5.5.1 중심경향 측정 ... 266
5.5.2 데이터의 분산 척도 계산 ... 268
5.5.3 기본적인 통계적 클래스 서술의 그래픽 표현 ... 271
5.6 논의사항 ... 276
5.6.1 개념 서술 : 기존 기계학습과의 비교 ... 276
5.6.2 개념 서술의 점진적 및 병렬 마이닝 ... 279
5.7 요약 ... 280
6장 대용량의 데이터베이스에서의 연관 규칙 마이닝 ... 285
6.1 연관규칙 마이닝 ... 286
6.1.1 장바구니 분석 : 연관규칙 마이닝을 위한 동기 예제 ... 286
6.1.2 기본 개념 ... 288
6.1.3 연관규칙 마이닝 : 개요 ... 289
6.2 트랜잭션 데이터베이스에서의 단일차원 이진 연관규칙 마이닝 ... 291
6.2.1 Apriori 알고리즘 : 후보 생성을 통한 빈발 항복집합 찾기 ... 291
6.2.2 빈발 항목집합으로부터 연관 규칙 생성 ... 297
6.2.3 Apriori의 효율을 증대하는 기법 ... 298
6.2.4 후보생성이 없는 빈발 항목집합 마이닝 ... 301
6.2.5 빙산 질의 ... 304
6.3 트랜잭션 데이터베이스로부터 다중 계층 연관규칙 마이닝 ... 307
6.3.1 다중 계층 연관규칙 ... 307
6.3.2 다중 계층 규칙 마이닝 접근 기법 ... 309
6.3.3 중복 다중 계층 연관 규칙의 검사 ... 314
6.4 관계 데이터베이스와 데이터 웨어하우스에서 다차원 연관규칙 마이닝 ... 315
6.4.1 다차원 연관 규칙 ... 315
6.4.2 정량적 속성의 정적 이산화를 통한 다차원 연관 규칙 마이닝 ... 317
6.4.3 정량적 연관규칙 마이닝 ... 319
6.4.4 거리 기반 연관규칙 마이닝 ... 322
6.5 연관규칙 마이닝과 상관 분석 ... 324
6.5.1 강한 연관규칙은 필수적으로 유용한 것은 아니다 : 예제 ... 324
6.5.2 연관 분석에서 상관분석으로 ... 325
6.6 제약 기반 연관성 마이닝 ... 328
6.6.1 메타규칙 - 기반 연관규칙 마이닝 ... 329
6.6.2 추가 규칙 제약에 의한 마이닝 ... 331
6.7 요약 ... 336
7장 분류와 예측 ... 347
7.1 분류란? 예측이란? ... 348
7.2 분류와 예측분야 연구과제들 ... 350
7.2.1 분류와 예측을 위한 데이터 준비 ... 351
7.2.2 분류방법의 비교 ... 352
7.3 의사결정트리 귀납에 의한 분류 ... 352
7.3.1 의사결정트리 귀납 ... 354
7.3.2 트리 가지치기 ... 359
7.3.3 의사결정트리에서 분류 규칙 추출 ... 360
7.3.4 기본 의사결정트리 귀납의 확장 ... 361
7.3.5 확장적용성과 의사결정트리 귀납 ... 363
7.3.6 데이터 웨어하우징과 의사결정트리 귀납의 통합 ... 365
7.4 베이지안 분류 ... 367
7.4.1 베이지안 이론 ... 367
7.4.2 단순 베이지안 분류 ... 368
7.4.3 베이지안 신뢰 네트워크 ... 372
7.4.4 베이지안 신뢰 네트워크 학습 ... 374
7.5 역전파에 의한 분류 ... 375
7.5.1 다계층 전방향 신경망 ... 376
7.5.2 네트워크 위상 설계 ... 377
7.5.3 역전파 ... 378
7.5.4 역전파와 해석 ... 384
7.6 연관규칙 마이닝의 개념에 기반한 분류 ... 385
7.7 기타 분류기법 ... 388
7.7.1 K-인접 이웃 분류기 ... 388
7.7.2 사례 기반 추론 ... 389
7.7.3 유전자 알고리즘 ... 390
7.7.4 러프 집합 기법 ... 391
7.7.5 퍼지 집합(Fuzzy Set) 접근법 ... 392
7.8 예측(prediction) ... 394
7.8.1 선형 회귀와 다중 회귀 ... 394
7.8.2 비선형 회귀 ... 396
7.8.3 기타 회귀모형 ... 397
7.9 분류기 정확도 ... 398
7.9.1 분류기 정확도 추정 ... 398
7.9.2 분류기 정확도의 향상 ... 400
7.9.3 정확도 외의 분류기 평가 방식 ... 401
7.10 요약 ... 402
8장 군집 분석 ... 413
8.1 군집분석이란? ... 413
8.2 군집분석의 데이터 유형 ... 416
8.2.1 구간척도 변수 ... 418
8.2.2 이항 변수 ... 420
8.2.3 명목, 서열, 비율 척도 변수 ... 422
8.2.4 혼합형 변수 ... 425
8.3 주요 군집화 방법의 분류 ... 426
8.4 V분할 기법 ... 428
8.4.1 고전적 분할기법 : k-mean과 k-medoids ... 429
8.4.2 큰 데이터베이스에서의 분할기법 : k-medoids부터 CLARANS까지 ... 434
8.5 계층 기법 ... 435
8.5.1 집괴적과 분할적 계층 군집화 ... 436
8.5.2 BIRCH : 계층을 사용한 균형된 반복적 감소와 군집화 ... 438
8.5.3 CURE : 대표값을 이용한 군집화 ... 440
8.5.4 Chameleon : 동적인 모델을 이용한 계층 군집화 알고리즘 ... 442
8.6 밀도 기반 기법 ... 444
8.6.1 DBSCAN : 밀도 기반 군집화 기법 ... 445
8.6.2 OPTICS : 군집 구조 식별을 위한 순서화 ... 447
8.6.3 DENCLUE : 밀도분포 함수에 기초한 군집화 ... 449
8.7 격자기반 기법 ... 452
8.7.1 STING : 통계정보 격자 ... 452
8.7.2 WaveCluster : 웨이블릿 변환을 이용한 군집화 ... 454
8.7.3 CLIQUE : 고차원 공간 군집화 ... 456
8.8 모델기반 군집화 기법 ... 458
8.8.1 통계적 접근 ... 459
8.8.2 신경망 접근 ... 462
8.9 이상치 분석 ... 464
8.9.1 통계기반 이상치 탐지 ... 465
8.9.2 거리기반 이상치 탐지 ... 467
8.9.3 편차 기반 이상치 탐지 ... 469
8.10 요약 ... 472
9장 복합 데이터타입 마이닝 ... 479
9.1 다차원 분석과 복합 데이터 객체의 서술적 마이닝 ... 480
9.1.1 구조화된 데이터의 일반화 ... 480
9.1.2 공간과 멀티미디어 데이터 일반화에 대한 집계와 근사 ... 482
9.1.3 객체 식별자의 일반화와 클래스 ／ 하위클래스 체계 ... 483
9.1.4 클래스 구성 체계의 일반화 ... 484
9.1.5 객체 큐브 구성과 마이닝 ... 485
9.1.6 분할 정복에 의한 일정 데이터베이스의 일반화 기반 마이닝 ... 485
9.2 공간 데이터베이스 마이닝 ... 490
9.2.1 공간 데이터 큐브 구성과 공간 OLAP ... 491
9.2.2 공간 연관 분석 ... 495
9.2.3 공간 군집화 방법들 ... 497
9.2.4 공간 분류와 공간 추세 분석 ... 497
9.2.5 래스터 데이터베이스 마이닝 ... 498
9.3 멀티미디어 데이터베이스 마이닝 ... 498
9.3.1 멀티미디어 데이터에서의 유사성 탐색 ... 499
9.3.2 멀티미디어 데이터의 다차원 분석 ... 501
9.3.3 분류와 멀티미디어 데이터의 예측 분석 ... 503
9.3.4 멀티미디어 데이터에서 연관 마이닝 ... 504
9.4 시계열과 순차 데이터의 마이닝 ... 505
9.4.1 추세 분석 ... 506
9.4.2 시계열 분석에서 유사성 탐색 ... 509
9.4.3 순차 패턴 마이닝 ... 513
9.4.4 주기성 분석 ... 515
9.5 텍스트 데이터베이스 마이닝 ... 517
9.5.1 텍스트 데이터 분석과 정보 검색 ... 518
9.5.2 텍스트마이닝 : 키워드 기반 연관과 문서 분류 ... 523
9.6 웹 마이닝 ... 525
9.6.1 믿을만한 웹 페이지를 식별하기 위한 웹 링크 구조 마이닝 ... 528
9.6.2 웹 문서의 자동 분류 ... 531
9.6.3 다층 웹 정보 베이스 구축 ... 532
9.6.4 웹 사용 마이닝 ... 533
9.7 요약 ... 535
10장 <B><FONT color ... #0000
10.1 <B><FONT color ... #0000
10.1.1 생물의학과 DNA 자료분석을 위한 <B><FONT color ... #0000
10.1.2 금융 데이터 분석을 위한 <B><FONT color ... #0000
10.1.3 소매업을 위한 <B><FONT color ... #0000
10.1.4 통신 사업자를 위한 <B><FONT color ... #0000
10.2 <B><FONT color ... #0000
10.2.1 <B><FONT color ... #0000
10.2.2 상용 <B><FONT color ... #0000
10.3 <B><FONT color ... #0000
10.3.1 시각과 음성 <B><FONT color ... #0000
10.3.2 과학적이고 통계적인 <B><FONT color ... #0000
10.3.3 <B><FONT color ... #0000
10.3.4 <B><FONT color ... #0000
10.4 <B><FONT color ... #0000
10.4.1 <B><FONT color ... #0000
10.4.2 <B><FONT color ... #0000
10.4.3 <B><FONT color ... #0000
10.5 <B><FONT color ... #0000
10.6 요약 ... 579
부록 ... 587
A. Microsoft OLE DB for Data Mining의 소개 ... 587
A.1 DMM 객체 생성 ... 589
A.2 모형에 훈련 데이터 삽입과 모형 훈련 ... 590
A.3 모델의 사용 ... 591
B. DBMiner 소개 ... 594
B.1 시스템 구조 ... 595
B.2 입력과 출력 ... 596
B.3 시스템에 의해 제공되는 <B><FONT color ... #0000
B.4 작업 지원과 방법 선택 ... 600
B.5 KDD 과정 지원 ... 600
B.6 주 응용 ... 60
B.7 현재 상태 ... 601
참고문헌 ... 603
찾아보기 ... 631
더보기 닫기
Export to Refworks
캠퍼스간대출
소재불명도서
자료배달서비스
인쇄
