이온

# 시각화 인사이트 프로세스 : 데이터 시각화를 통해 사용자가 정보를 이해하고 통찰을 추출하는 일련의 과정 - 맥 캔들리스 시각 이해 계층 : 데이터, 정보, 지식, 지혜(DIKW 피라미드)를 시각적 표현으로 매핑 - 데이터 -> 시각화 : 개별적인 요소 하나하나 ex) 강수량 - 정보 -> 디자인 : 연관된 요소들 ex) 지역별 연간 강수량 - 지식 -> 매핑 : 조직화된 정보 (경험을 통해 다른 관점으로 해석, 다른 상황에서 적용) ex) A 마을의 수해 대책 - 지혜 -> 정의할 수 없음 ..

# 연관분석 : 기업의 대규모 데이터셋에서 항목 간의 관련성, 사건들 간의 규칙을 발견하기 위한 분석 방법 - If-then 구조 (a가 ~~하면, b가 ~~ 한다) - 주요 알고리즘 : Apriori, FP Growth, FPV - 측정지표 : 지지도, 신뢰도, 향상도 # 측정지표1) 지지도 (Support) : 전체 거래 중 항목 A, 항목 B 를 동시에 포함하는 거래 비율 : 1에 가까울수록 연관성이 높다 2) 신뢰도 (Confidence) : 항목 A를 포함한 거래 중, 항목 B가 같이 포함될 확률 : 연관성의 정도를 파악 할 수 있음 : 1에 가까울수록 연관성이 높다 3) 향상도 (Lift) : A가 구매되지 않았을 때 품목 B의 구매 확률에 비해, ..

# 군집 분석 : 측정된 유사성을 통해 데이터를 그룹화 하여 데이터의 숨겨진 패턴을 찾는 방법 : 비지도 학습 # 유사도 측정-> 거리 기반으로 측정 - 연속형 변수 1) 유클라디안 거리 : 두 점 사이의 거리(가장 짧은 거리) 2) 맨하탄 거리 : 격자 구조에서 한 점에서 다른 점까지 이동 시, 수평 or 수직으로만 이동할 수 있는 경우의 거리 3) 민코우스키 거리 : 유클라디안 거리와 맨해튼 거리를 일반화한 형태 (거리 계산 방식 조절을 위한 매개변수 r을 포함) 4) 마할라노비스 거리 : 데이터 집합의 통계적 분포(공분산 행렬, Convariance matrix, Σ)를 고려하여 거리를 측정(공분산 ..

# 인공신경망(ANN) : 사람 뇌의 신경망에 착안하여 구현된 컴퓨팅 알고리즘 및 시스템 : 각 뉴런은 입력에서 받은 값에 가중치를 곱해 편향 값을 더한 후 활성화함수를 거쳐 다음 뉴런의 입력으로 보냄 : 입력층, 은닉층, 출력층으로 구성 # 활성화함수 1) 계단 함수 : 입력 값이 0 이상일 경우 1을, 0 미만일 경우 0을 출력 : 주로 임계값을 기준으로 하는 이진 결정에 사용 2) 시그모이드(sigmoid) 함수 : 출력을 0과 1 사이로 제한 : 이진 분류 문제에서 출력층에 주로 사용 3) Relu 함수 : x가 0 이하면 0을, 0 이상이면 x 값을 그대로 출력 : 일반적으로 은닉층에서 사용 4) 소프트맥스(Softmax) 함수 : 입력..

# 앙상블 기법 : 주어진 자료로부터 여러 개의 예측 모형을 만들어 이들을 조합한 결과로 하나의 최종 예측 모형을 만드는 방식 : 학습 방법이 가장 불안전한 의사결정나무에 주로 사용함 - 대표적 앙상블 기법: 배깅(Bagging), 부스팅(Boosting) # 배깅(Bagging, Bootstrap Aggregating) : 데이터 세트에서 여러 개의 서브셋(부트스트랩 샘플)을 생성하고, 각 모델을 독립적으로 학습 시킨 후, 결과를 투표(Voting)를 통해 최종 예측 모형을 만드는 방식 : 보팅(Voting)은 여러개의 모형으로부터 산출된 결과를 다수결에 의해 최종 결과를 선정하는 과정 # 부스팅 (Boosting) : 여러 약한 학습기(weak learner, 예..

# 빅데이터# 관점에 따른 정의 - 3V : 양(Volume) + 다양성(Vatiety) + 속도(Velocity) -> 데이터 변화 - 4V : 3V + 가치(Value) -> 기술 변화 (데이터 처리, 저장, 분석기술 및 아키텍처 / 클라우드 컴퓨팅) - 7V : 4V + 진실성(Veracity) + 정확성(Validity) + 휘발성(Volatity) -> 조직 및 인재 변화 (데이터 중심 조직) # 빅데이터로 인한 변화과거현재사전처리사후처리표본조사전수조사질양인과관계상관관계

# DBMS(Data Base Management System): 사용자와 데이터 베이스 사이에서 사용자의 요구에 따라 정보를 처리해주고 데이터베이스를 관리해주는 시스템(소프트웨어) # DBMS 종류RDBMS(Relation)ODBMS(Object)- 관계형 데이터 베이스 관리 시스템- 객체지향 데이터 베이스 관리 시스템- 정형화된 테이블로 구성된 데이터를 정리- 복잡한 데이터 구조를 표현 및 관리ex) MySQL, Oracle Database * SQL: 데이터베이스에 접근할 수 있는 데이터베이스 프로그래밍 언어 # ERD(Entity Relationship Diagram) - 객체(Entity)와 이들의 관계(Relation)를 도형(Diagram)으로 나타낸 것 - DBMS 설계단계 중 개..

# 데이터 베이스 - 정형 데이터를 관리 - 서로 관련성을 가지고 중복이 없는 데이터의 집합을 유지하는 것 - 빅데이터의 출현으로 비정형 데이터를 포함하여 관리하는 것으로 확대 # 데이터 베이스의 특징 - 통합된 데이터(Integrated Data): DB에 같은 내용의 데이터가 중복 되어 있지 X - 저장된 데이터(Stored Data): 컴퓨터가 접근가능한 저장 매체에 저장. ex) 자기테이프, 자기디스크 - 공용 데이터(Shared Data): 여러 사용자가 DB 데이터를 공통으로 이용 - 변화하는 데이터(Changed Data): 새로운 데이터의 추가, 기존 데이터의 삭제, 갱신 등 항상 변화하면서도 정확한 데이터 유지

# 데이터의 정의 - 존재적 특성 : 이론을 세우는데 기초가 되는 객관적 사실 및 자료 - 당위적 특성 : 개별 데이터 자체로는 큰 의미 x, 다른 객체와의 상호 관계 속에서 가치를 가짐 > 추론, 예측, 전망, 추정을 위한 근거 # 데이터의 유형 - 정성적(Qualitative) : 비정형 데이터, 주관적 내용, 통계 분석이 어려움 ex) 언어, 문자 - 정량적(Quantitative) : 정형 데이터, 객관적 내용, 통계 분석이 용이함 ex) 수치, 도형, 기호 # 지식 경영의 핵심 이슈 - 지식 경영 : 개인의..

분류 분석: 정답을 원하는 지도학습의 종류, 데이터가 어떤 그룹에 속하는지 예측 - 예측분석: (연속형) 변수에서 어떤 값이 나올지 - 분류분석: (범주형) A, B 중 어디에 속할지# 분류 분석 기법1) 로지스틱 회귀 분석 - 종속변수가 범주형일 때 사용하는 분류 모델 - 주로 이진 분류(예: 스팸/스팸 아님, 질병 있음/없음) 문제에 사용되며, 확률을 기반으로 결과를 예측 -오즈비(Odds Ratio) : 특정 독립변수가 종속변수에 어떤 영향을 미치는지 : 성공 확률과 실패율의 비율 - 여기서의 값이 로지스틱 회귀계수(-무한대 ~ +무한대) - 로지스틱(시그모이드)함수: Log(odds)값을 0~1사이의 값으로 바꾸는 함수 2) 의사결정나무(Decision Tree..