1. 데이터 마이닝 기술(Ⅰ) 데이터 마이닝(data mining)의 정의 대량의 실제 데이터로부터 이전에 잘 알려지지는 않았지만
묵시적이고
잠재적으로 유용한 정보를
추출하는 작업
cf) KDD(Knowledge Discovery in Database)
데이터베이스로부터 지식을 추출하는 전 과정

2. 데이터 마이닝 기술(Ⅱ)
전문가
시스템
기계학습
KDD
Data Minig
데이터
베이스
통계학
가시화

3. 데이터 마이닝 기술(IV) 데이터 마이닝 기법 연관규칙(association rule)
K-최단 인접(K-nearest neighbor)
의사결정트리(decision tree)
신경망(neural network)
유전자 알고리즘(genetic algorithm)
통계적 기법(statistical technique)

4. 데이터 마이닝 기술(V) 데이터 마이닝 주요 작업(primaty tasks) 분류화(classification)
군집화(clustering)
특성화(characterization, summerization)
경향분석(trend analysis)
연관규칙 탐사(association) – Monket Basket Analysis
패턴분석(pattern analysis)
Estimation
Prediction
Text Mining
Web Mining Web Contents
Web Log

5. 데이터 마이닝 기술(VII) 응용 분야 Marketing & retail Banking Finance Insurance
Medicine & health (Genetics)
Quality control
Transportation
Geo – Spaetial Applications

6. DM Tasks Classifications (1/2) ○▱△ large ○○○ ○▱Ⅹ medium △△△
△○Ⅹ small ⅩⅩ
objects predefined classes

7. DM Tasks Classification (2/2)
(ex) news [ International ]
[ domestic ]
[ sports ]
[ culture ] :
credit application [ high ]
[ medium ]
[ low ]
water sample data [ 일급수 ]
[ 이급수 ]
[ 꾸정물 ]
(alg) Decision Trees, Memory Based Reasoning

8. DM Tasks Estimation (1/2) Attr 1 Attr 2 : (Continuous) Value
cf. classification maps to discrete categories

9. DM Tasks Estimation (2/2) (ex) 나이, 성별, 혈압, … 잔여수명 나이, 성별, 직업, … 연 수입
나이, 성별, 직업, … 연 수입
지역, 수량, 인구, … 오염농도
(alg) neural net
(*) estimating future value is called Prediction.

10. DM Tasks [○△] Association (1/2) Market Basket Analysis
Determine which things go together
[○○△☓]
[○□△]
[☆□]
[○☆☓△] ⋮
[○△]

11. DM Tasks Association (2/2) Water Sample [NO2, C2H5OH,]
Eg)
Shopping list Cross - Selling
(super market, (shelf, catalog,
home shopping, CF, ⋯)
E-shopping,etc.)
Water Sample [NO2, C2H5OH,]
Alg) Association rules

12. DM Tasks Clustering (1/4) Cf. classification - predefined category
clustering find new category &
explain the category G1 G2 G3 G4
Heterogeneous population
Homogeneous subgroups (cluster)

13. DM Tasks Clustering (2/4) eg) symptoms → disease
customer info → selective sales
토양 data
(수질)
Note : Clustering is dependent to the features used.
card 예 : number, color, suite…

14. DM Tasks Clustering (3/4) Clustering is useful for Exception finding
Calling card fraud detection
Credit card fraud etc.
exceptions

15. DM Tasks Clustering (4/4) alg) K-means → K clusters
Note) directed vs non-directed KDD