• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1998년도 추계학술대회 논문집
• /
• pp.377-380
• /
• 1998

본 논문에서는 최근 데이터마이닝의 도구로 활발하게 소개되고 있는 의사결정나무 분석을 이용하여 개인휴대통신의 해지자 분석을 실시한다. 또한 로지스틱 회귀모형을 이용하여 가입고객의 해지 가능성에 대한 점수화를 시도한다.

• 한국콘텐츠학회논문지
• /
• 제7권8호
• /
• pp.13-20
• /
• 2007

의사결정나무는 대량의 데이터를 몇 개의 집단으로 분류하고, 미래상황을 예측하기 위해 자주 사용되는 분석기법 중의 하나이며, 각 노드에서 분할이 일어나면서 자라게 되고, 각 노드에 속하는 자료의 순수도가 효과적으로 증가하도록 진행된다. 또한 의사결정나무를 생성하는 과정에서 필요 이상의 가지(leaves)를 갖게 되면 노드의 분할을 정지하거나, 분류성능 향상에 큰 도움이 되지 못하는 가지를 잘라내게 된다. 이러한 가지치기의 결과로 의사결정나무의 형태가 변하게 되는데 이는 기존의 가지분할이 효율적이지 않았음을 의미하는 것이다. 본 연구에서는 가지치기의 교정뿐 아니라 새로운 분할과정을 혼합한 우수한 의사결정나무 추출 방법을 제안한다. 특히, 새로운 분할 노드의 선택에 있어 퍼지이론을 적용하여 분할의 효과성을 제고할 수 있는 방법을 제시하고자 한다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.171-176
• /
• 2003

방대한 양의 데이터에서 의사결정에 필요한 정보를 발견하는 일련의 과정을 데이터 마이닝 (data mining)이라고 하는데, 본 연구에서는 생물정보학 (bioinofmatics)의 한분야로서 의학분야의 통계적 의사결정 시스템을 제공하는 의사결정나무 (decision tree) 알고리즘 중 QUEST를 S-PLUS로 구현하고(이하 S-QUEST) 발육제한(Intrauterine Growth Restriction; IUGR) 데이터를 분석하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권2호
• /
• pp.299-307
• /
• 2012

데이터마이닝은 주어진 데이터베이스에서 항목간의 흥미로운 관계를 찾아내는 기법으로서 의사결정나무는 데이터마이닝의 대표적인 알고리즘이라고 할 수 있다. 의사결정나무는 관심대상이 되는 집단을 몇 개의 소집단으로 분류하거나 예측을 수행하는 방법이다. 일반적으로 연구자가 의사결정나무 모형을 생성 할 때 모형 생성의 기준 및 입력 변수의 수에 따라 복잡한 모형이 생성되기도 한다. 특히 의사결정나무 모형에서 입력 변수의 수가 많을 경우 생성된 모형은 복잡한 형태가 될 수 있고, 모형 분석이 어려울 수도 있다. 만일 입력변수에서 주변조건부 변수 (매개변수, 외적변수)가 존재한다면 이 입력변수는 직접적인 관련성이 없는 것으로 판단한다. 이에 본 논문에서는 주변조건부 변수를 고려하여 의사결정나무모형을 생성하는 방법을 제시하고 그 효율성을 파악하기 위하여 실제 자료에 적용하고자 한다.

• 한국지능시스템학회논문지
• /
• 제20권1호
• /
• pp.94-100
• /
• 2010

데이터 마이닝(Data Mining)은 환경으로부터 수집된 데이터에서 패턴을 추출하고 의미 있는 정보를 발견하기 위하여 주로 사용된다. 하지만, 기존의 방법은 데이터의 수집이 완료된 상태에서 분석하는 것을 기반으로 하고 있으며, 시간의 흐름에 따른 패턴의 변화를 반영하기 어렵다. 본 논문은 연속성(Continuity data), 대량성(Large scale) 그리고 패턴의 가변성(Changed pattern)과 같은 특성을 가지는 스트림 데이터(Stream Data)의 분석을 위한 스트리밍 의사결정 나무(Streaming Decision Tree : SDT) 방법을 소개한다. SDT는 연속적으로 발생하는 데이터를 블록으로 정의하고, 각 블록은 의사결정나무 학습 방법을 이용하여 규칙을 추출한다. 추출된 규칙은 발생 시간, 빈도 그리고 모순 등을 고려하여 결합하였다. 실험에서는 시계열 데이터를 이용하여 분석하였고, 적절한 결과를 확인하였다.

• 응용통계연구
• /
• 제16권1호
• /
• pp.45-53
• /
• 2003

의사결정나무 분석 기법 중 하나인 회귀의사결정나무는 연속적인 반응변수를 예측할 때 사용된다. 나무 구조를 형성할 때, 전통적인 분류 기준법은 왼쪽과 오른쪽 자식노드의 불순도를 결합하여 이루어진다. 그러나 본 논문에서 제안하는 새로운 분류 기준법은 관심있는 한쪽만 선택하고 다른 나머지 자식노드는 큰 관심이 없어 무시함으로써 더 이상 결합하여 구하는 것이 아니다. 따라서 나무 구조는 불균형적일 수 있으나 이해하기가 쉽다. 즉, 관심있는 부분집합을 가능한 한 빨리 찾음으로써 단지 몇 개의 조건으로 쉽게 표현할 수 있으며, 정확도는 다소 떨어지지만 설명력은 아주 높다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.129-136
• /
• 2023

본 연구의 목적은 한국 관광 수요가 회복되고 있는 현시점에서, 코로나19의 위협에도 불구하고 한국을 방문한 외래관광객의 만족도, 재방문 의사, 그리고 타인 권유 의사에 영향을 미치는 요인이 무엇인지를 실증적으로 규명하는데 있다. 이를 위해, 본 연구는 한국관광공사가 2020년 한국을 방문한 외래방문객 8,135명을 대상으로 조사한 자료를 활용하였다. 조사자료가 연속형 변수와 범주형 변수가 혼재되어 있어 분석의 타당성을 확보하기 위해 의사결정나무분석을 수행한 결과, 외래방문객 만족도에 영향을 미치는 요인으로는 방문 목적과 체재 기간 중 자가격리 포함 여부로 나타났다. 재방문 의사에 영향을 미치는 요인으로는 방문 목적, 방문 횟수, 그리고 체재 기간 중 자가격리 포함 여부 그리고 타인 권유 의사에 영향을 미치는 요인으로는 방문 목적, 체류 기간, 성별로 확인되었다. 분석 결과를 토대로, 본 연구는 이런 요인과 만족도, 재방문 의사, 그리고 타인 권유 의사 간의 관계에 대한 설명뿐만 아니라 관광 활성화를 위한 시사점을 제시하였다.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.56-62
• /
• 2008

의사결정나무를 구성하여 강판튜브 비파괴평가에 사용하는 산업용 CR영상의 측정 패턴인식을 도모한다. 본래 비파괴평가는 기계학습기법에 의한 패턴식별과 그 분류에 적합한 분야이다. 의사결정나무의 속성들은 비파괴평가 테스트 절차로부터 취한다. 방사선조사 입사각, 경사도 및 거리 둥의 기하학적 특성들은 입력 영상 데이터 분석으로부터 추정한다. 이 요소들은 대상 입력을 의사결정나무에서 미리 정해진 분류에로 정확히 그리고 쉽게 분류가 이루어지도록 한다. 이 알고리즘은 비파괴평가 결과의 특성화를 간단히 하며 특성 결정을 간편하게 한다. 실험 결과는 제안한 알고리즘의 유용성을 보였다.

• 디지털융복합연구
• /
• 제18권6호
• /
• pp.297-309
• /
• 2020

본 연구는 국내 공공 DB에 데이터마이닝 기법인 로지스틱 회귀분석과 의사결정나무 분석을 적용하여 국내 청소년의 삶의 만족도 증진에 관한 의미 있는 의사결정 규칙을 추출하는 과정을 분석한다. 분석을 위하여 한국아동·청소년패널조사(KYCPS) 중에서 중1 패널데이터의 4~6차연도 자료인 고등학생 학년별 자료를 활용하였다. 로지스틱 회귀분석으로 추출된 영향요인은 1학년은 전체 성적 만족도, 주의집중 문제, 우울, 자아 탄력성, 애정, 과잉간섭, 학습활동, 교사관계, 2학년은 가정의 경제 수준, 건강상태, 전체 성적 만족도, 신뢰, 소외, 학습활동, 학교규칙, 교우관계, 교사 관계, 3학년은 가정의 경제 수준, 전체 성적 만족도, 우울, 자아 탄력성, 애정, 학대, 학교규칙, 교사 관계로 나타났다. 의사결정나무 기법을 적용한 결과 국내 고등학생의 삶의 만족도는 개인의 정서 문제, 학교성적, 가정의 경제적 환경, 학교적응 등에 의하여 복합적으로 영향을 받는 것으로 파악되었다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권5호
• /
• pp.993-1003
• /
• 2012

한국남자프로농구 경기기록을 이용하여 승패결정요인을 분석하였다. 2010년 10월부터 2011년 3월까지, 2011년 10월부터 2012년 3월까지 치러진 정규리그 (540경기)의 기록을 분석하여 승패결정요인을 추정하였다. 한국농구연맹은 7개 공격변인과 7개 수비변인에 대한 자료를 제공하고 있다. 이들 자료 중에 공헌도와 공격력에 적용되는 6개 공격변인 (2점슛 성공률, 3점슛 성공률, 자유투 성공률, 공격리바운드, 어시스트, 턴오버)과 4개 수비변인 (수비리바운드, 스틸, 굿디펜스, 블록슛)이 승패에 미치는 영향을 통계적으로 분석하기 위해 로지스틱회귀분석과 의사결정나무분석을 적용하였다. 두 분석은 PASW와 Answer Tree 통계프로그램을 사용하였으며 모든 유의수준은 .05로 설정하였다. 로지스틱회귀분석 결과, 6개 공격변인 중 2점슛 성공률, 3점슛 성공률, 턴오버가 통계적으로 승패에 유의미한 영향을 미치고 4개 수비변인 중 굿디펜스를 제외한 수비리바운드, 스틸, 블록슛이 통계적으로 승패에 유의미한 영향을 미치는 것으로 나타났다. 그리고 공격변인 의사결정나무분석 결과에서는 2점슛 성공률이 51%-58%이며, 3P%가 31%를 초과하고 TO가 11개 이하일때 승리할 수 있는 확률이 80.85%로 가장 높게 나타났다. 이에 반해 수비변인 의사결정나무분석 결과, 수비리바운드가 24개를 초과하고 스틸이 6개를 초과하며, 블록슛이 2개를 초과할 때 승리할 수 있는 확률이 94.12%로 가장 높게 나타났다.