메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제22권 제5호
발행연도
2011.10
수록면
877 - 884 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
의사결정나무는 데이터마이닝의 대표적인 알고리즘으로서, 의사결정 규칙을 도표화하여 관심대상이 되는 집단을 몇 개의 소집단으로 분류하거나 예측을 수행하는 방법이다. 일반적으로 의사결정나무의 모형 생성 시, 입력 변수의 수가 많을 경우 생성된 의사결정모형은 복잡한 형태가 될 수 있고, 모형 탐색 및 분석에 있어 어려움을 겪기도 한다. 이때 입력변수들 간의 내재적인 관련성은 없으나, 외적 변수에 의하여 각 변수가 우연히 어떤 다른 변수와 연결됨으로써 관련성이 있는 것으로 나타나는 것을 종종 볼 수 있다. 이에 본 논문에서는 의사결정나무 생성 시, 입력 변수에 대한 외적 관계를 파악할 수 있는 다중외적연관성규칙을 이용하여 의사결정나무 생성에 불필요한 입력변수를 제거하는 방법을 제시하고 그 효율성을 파악하기 위하여 실제 자료에 적용하고자 한다.
#신뢰도 #연관성규칙 #data mining #의사결정나무 #decision tree #데이터마이닝 #외적변수 #external variable #Association rule #confidence

목차

등록된 정보가 없습니다.

참고문헌 (11)

참고문헌 신청
1. [단행본] - Breiman, L. / 1984 / Classification and regression trees / Wadsworth and Brooks google schola 2. [학술지(정기간행물)] - 조광현 / 2006 / 연관성규칙을 이용한 매개효과 검정에 관한 연구 / Journal of The Korean Data Analysis Society 8 (5) : 1905 ~ 1913 dbpia 3. [단행본] - Hartigan, J. A. / 1975 / Clustering algorithms / John Wiley & Sons google schola 4. [학술지(정기간행물)] - 김민환 / 2007 / 연관성 규칙을 이용한 왜곡변수 발견에 관한 연구 / Journal of The Korean Data Analysis Society 9 (2) : 711 ~ 719 dbpia 5. [학술지(정기간행물)] - 김민환 / 2008 / Development of Component Association Rules and Macro Algorithm / 한국데이터정보과학회지 19 (1) : 197 ~ 207 google schola

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-041-001381297