의사결정나무, 로지스틱회귀분석, 인공신경망

소개글

데이터마이닝 강의시간에 과제로 내주신 엑셀마이너 실습입니다.

목차

7.1 eBay.com의 경쟁경매
8.4 eBay.com의 경쟁경매
9.4 항공사고객에 대한 우편광고

본문내용

7.1 eBay.com의 경쟁경매
Category, Currency, Duration, endDay에 대하여 더미변수 생성
데이터를 학습용(60%)과 평가용(40%)으로 나눔
a) 위의 결과는 모든 입력변수들을 이용하여 best pruned tree를 생성한 모습이다. leaf node의 레코드의 최소수를 50으로 정하고, 나무 깊이의 수준을 7로 정하였다. 평가용 데이터를 통한 혼돈행렬을 보면 오분류율이 15.34%임을 알 수 있다. 문제에서 입력변수를 30으로 제한하라고 하였기 때문에 범주형 입력변수 중 가장 결과에 영향을 미치지 않을 것 같은 Currency와 endDay를 조합하여 변수를 30개로 조정하였다. 그 외 나머지 조건들은 같게 한 회귀 나무의 결과는 다음과 같다.
범주형 입력변수들의 범주의 일부를 조합하여도 전의 결과와 전혀 차이가 없다는 것을 확인하였다.
b) 범주형 입력변수들의 범주의 일부를 조합한 변수를 사용하던 모든 입력변수들을 사용하던 그 결과는 차이가 없는 것을 알았다. a번에서 만든 분류나무 모델은 평가용 데이터의 오분류율이 15.34%로써 조금 오분류율이 높은 편인것 같다.
c) 분류나무를 살펴보면 OpenPrice와 ClosePrice, SellerRating 이 세가지 변수로만 분류를 하고 있는 것을 알 수 있다. 즉 규칙들이 제공하는 관심을 끄는 정보는 OpenPrice, ClosePrice, SellerRating이고, 관심을 끌지 않는 정보는 Category, Currency, Duration, endDay이다.
d) 결과를 예측하는데 사용되는 입력변수 OpenPrice, ClosePrice, SellerRating만을 사용하여 분류나무를 생성하였다 .
IF(OpenPrice<2.4498) AND (ClosePrice<2.025) THEN Competitive?=0
IF(OpenPrice<2.4498) AND (ClosePrice>2.025) THEN Competitive?=1
IF(OpenPrice>2.4498) AND (ClosePrice<10) AND (OpenPrice<4.9191) AND (ClosePrice<4.06) THEN Competitive?=0

참고 자료

없음