데이터마이닝 시장 조사

목차

1. 데이터 마이닝의 정의

2. 데이터 마이닝 방법론
2-1. 통계학에 기반한 방법론: 가설 검정, 시계열 분석, 일반화 선형 모형
2-2. 데이터베이스에 기반한 방법론: OLAP
2-3. 인공지능에 기반한 방법론: SOM, 신경망, 전문가 시스템

3. 데이터 마이닝 시장의 주요 기업들
3-1. Leaders
3-2. Challengers
3-3. Visionaries & Niche Players

4. Python과 R의 비교

본문내용

1. 데이터 마이닝의 정의
데이터 마이닝이란 방대한 규모의 저장된 데이터 속에서 통계적인 규칙이나 패턴을 체계적으로 찾아내는 것이다. 이 과정에서 통계학부터 패턴 인식에 이르는 다양한 계량 기법이 사용되며, 대표적인 기법들로는 통계학에 기반한 가설 검정, 시계열 분석, 일반화 선형 모형 등과 데이터베이스에 기반한 OLAP 그리고 인공지능에 기반한 SOM, 신경망, 전문가 시스템 등을 들 수 있다. 현재 다양한 산업 분야에서 앞서 언급한 기법들을 응용하여 신용평가모형을 개발하고 최적의 포트폴리오를 구축하는 등 데이터 마이닝은 폭넓게 사용되고 있으나, 자료를 바탕으로 현상을 해석하고 해결책을 제시하기 때문에 자료가 정확하게 주어지지 않을 경우 잘못된 모형을 추출하는 오류가 발생할 수 있다.

2. 데이터 마이닝 방법론
2-1. 통계학에 기반한 방법론: 가설 검정, 시계열 분석, 일반화 선형 모형
통계학에 기반한 방법론의 경우 대표적인 기법으로 가설 검정, 시계열 분석, 일반화 선형 모형 등을 들 수 있다. 우선, 가설 검정은 하나의 주장을 모수를 이용하여 설명하는 것이다. 예를 들어 “아프리카에 서식하는 코뿔소들의 평균 무게는 3,500kg이다.”라는 주장은 통계적 가설이며 평균 무게는 모집단의 특성을 대변하는 모수가 된다.
시계열 분석은 일정 시간 간격을 두고 배치된 데이터들의 수열을 분석하는 것이며, 증권 시세, 각 지역별 교통량 분석 등이 대표적인 시계열 분석 사용 예시이다. 이를 이용한 데이터 마이닝에서는 일반적인 유사성 탐색과 달리 Query Sequence 상의 사소한 오차가 허용된다.
일반화 선형 모형은 선형 모형 상에서 하나 이상의 변수를 대상으로 일반화된 모형을 구축하는 것으로 선형 회귀의 일반화이다. 선형 모형에 의해 작성된 제한적인 가정을 완화시키며 목표 변수가 정규 분포를 가지고, 목표 변수에 대한 예측자의 영향이 본질적으로 선형이라는 가정 등이 포함된다.

참고 자료

없음