레포트샵

fileicon[경영정보학] 금융기관 정보를 통한 weka분석

이전

  • 1경영정보학  금융기관 정보를 통한 weka분석1
  • 2경영정보학  금융기관 정보를 통한 weka분석2
  • 3경영정보학  금융기관 정보를 통한 weka분석3
  • 4경영정보학  금융기관 정보를 통한 weka분석4
  • 5경영정보학  금융기관 정보를 통한 weka분석5
  • 6경영정보학  금융기관 정보를 통한 weka분석6
  • 7경영정보학  금융기관 정보를 통한 weka분석7
  • 8경영정보학  금융기관 정보를 통한 weka분석8
  • 9경영정보학  금융기관 정보를 통한 weka분석9
  • 10경영정보학  금융기관 정보를 통한 weka분석10
  • 11경영정보학  금융기관 정보를 통한 weka분석11
  • 12경영정보학  금융기관 정보를 통한 weka분석12
  • 13경영정보학  금융기관 정보를 통한 weka분석13
  • 14경영정보학  금융기관 정보를 통한 weka분석14
  • 15경영정보학  금융기관 정보를 통한 weka분석15
  • 16경영정보학  금융기관 정보를 통한 weka분석16
  • 17경영정보학  금융기관 정보를 통한 weka분석17
  • 18경영정보학  금융기관 정보를 통한 weka분석18
  • 19경영정보학  금융기관 정보를 통한 weka분석19
  • 20경영정보학  금융기관 정보를 통한 weka분석20
  • 21경영정보학  금융기관 정보를 통한 weka분석21
  • 22경영정보학  금융기관 정보를 통한 weka분석22
  • 23경영정보학  금융기관 정보를 통한 weka분석23
  • 24경영정보학  금융기관 정보를 통한 weka분석24
  • 25경영정보학  금융기관 정보를 통한 weka분석25
  • 26경영정보학  금융기관 정보를 통한 weka분석26
  • 27경영정보학  금융기관 정보를 통한 weka분석27
  • 28경영정보학  금융기관 정보를 통한 weka분석28
  • 29경영정보학  금융기관 정보를 통한 weka분석29
  • 30경영정보학  금융기관 정보를 통한 weka분석30
  • 31경영정보학  금융기관 정보를 통한 weka분석31
  • 32경영정보학  금융기관 정보를 통한 weka분석32
  • 33경영정보학  금융기관 정보를 통한 weka분석33

다음

  • 최대 100페이지까지 확대보기 서비스를 제공합니다.

> 레포트 > 경제경영계열 > 자료상세보기 (자료번호:141565)

구매가격
3,000원 할인쿠폰2,700원
등록/수정
2006.10.17 / 2006.10.18
파일형식
fileiconhwp(아래아한글2002) [무료뷰어다운]
페이지수
33페이지
자료평가
평가한 분이 없습니다.
등록자
advocate81
  • 다운로드
  • 장바구니 담기

닫기

이전큰이미지 다음큰이미지
  • 트위터
  • 페이스북
신규가입 200원 적립! + 10% 할인쿠폰 3장지급! banner구매자료를 평가하면 현금처럼 3%지급!

소개글

[경영정보학] 금융기관 정보를 통한 weka분석에 대한 자료입니다.

하고 싶은 말

weka 프로그램을 통한 금융기관 고객들에 대한 분석

목차

*금융기업 정보를 WEKA프로그램으로 다양하게 분석
1. 연관분석기법

2. 군집화기법

3. 이산화기법
a.weka 프로그램으로 각각의 기법들을 적용
ㄱ. 연관분석기법으로 분석하는 과정을 캡쳐
ㄴ. 연관분석기법을 통한 결과를 캡쳐
ㄷ. 결과된 다양한 데이터를 분석 내용물 도출해냄
ㄹ. 군집화기법으로 분석하는 과정을 캡쳐
ㅁ. 군집화기법으로 도출된 결과를 캡쳐
ㅇ. 군집화기법으로 도출된 결과내용을 분석함
.
.
.
.
.
(이산화기법도 위와 동일하게 함)

4.각각의 기법들을 결합하여 분석
A.도표,그래프,알고리즘등을 캡쳐(성별,직업,나이,거주지,소득수준...)
여러가지 다양한 요소들을 반영하여 각각 캡쳐
B.위 자료들을 통해서 분석
C.분석된 자료들을 통해서 결과를 도출 내용 설명
.
.
.
.
.
결론:weka프로그램을 통해 금융기관 고객들에 대한 다양한 정보를 얻기 위한 과정이다. 이러한 정보를 얻기위해 여러가지 사항들(성별,직업,나이,거주지,소득수준...)를 분석해야하며 각각의 분석된 자료를 통해서 데이터를 관리한다.

본문내용

WEKA프로그램을 통해서 분류기법,군집화 기법, 연관분석 기법등을 적용하여 분석해보자.
우선 전화 사용자의 이탈유무에 대한 자료 분석을 위하여 전처리 단계를 밟는다.
아래 그림처럼 이산화 알고리즘을 통하여 숫자를 문자로 바꾼다.
아래 그림은 성별에 따라 나이 직업 거주지 지불유형 납입종류 사용총액 기본요금 부가서비스요금 사용기간 고객구분등을 분류한 그래프다.
각각의 항목등을 선택하여 각각의 그래프가 있지만 생략하고 다음단계를 분석한다.
=== Run information ===
Scheme: weka.classifiers.trees.J48 -C 0.25 -B -M 2
Relation:전화이탈자(WEKA용)-weka.filters.unsupervised.attribute.Discretize-F-B10-M-1.0-Rfirst-last-weka.filters.unsupervised.attribute.Discretize-F-B10-M-1.0-Rfirst-last
Instances: 300
Attributes: 11
성별
나이
직업
거주지
지불유형
납입종류
사용총액
기본요금
부가서비스요금
사용기간
고객구분
Test mode: 10-fold cross-validation
=== Classifier model (full training set) ===
J48 pruned tree
------------------
사용기간 = '(132.5-149.5]': 이탈 (31.0)
사용기간 != '(132.5-149.5]'
| 사용기간 = '(92.5-104.5]': 이탈 (30.0)
| 사용기간 != '(92.5-104.5]'
| | 사용기간 = '(104.5-116.5]': 이탈 (30.0)
| | 사용기간 != '(104.5-116.5]'
| | | 사용기간 = '(116.5-132.5]': 이탈 (30.0)
| | | 사용기간 != '(116.5-132.5]'
| | | | 사용기간 = '(-inf-92.5]': 이탈 (28.0/1.0)
| | | | 사용기간 != '(-inf-92.5]': 유지 (151.0/2.0)
Number of Leaves : 6
Size of the tree : 11
Time taken to build model: 0.02 seconds
=== Stratified cross-validation ===
=== Summary ===
Correctly Classified Instances 297 99 %
Incorrectly Classified Instances 3 1 %
Kappa statistic 0.98
Mean absolute error 0.0205
Root mean squared error 0.1011
Relative absolute error 4.0935 %
Root relative squared error 20.2137 %
Total Number of Instances 300
=== Detailed Accuracy By Class ===
TP Rate FP Rate Precision Recall F-Measure Class
0.993 0.013 0.987 0.993 0.99 유지
0.987 0.007 0.993 0.987 0.99 이탈
=== Confusion Matrix ===
a b <-- classified as
149 1 | a = 유지
2 148 | b = 이탈
다음은 classify에서 tree j48알고리즘을 통한 분석 기법이다.
위 내용들은 분석하여 도출된 분석내용 결과들이다.
위 내용을 볼 때 99%로 분류했다. 11개의 속성을 통해서 사용기간에 따른 유지 및 이탈에 대해서 분석해 냈다.
다음 visualize tree를 보자
사용기간에 따른 이탈 및 유지를 여러 가지를 통해 설명해 나가고 있다.
이탈이 주류를 이룬다.사용기간이 길어질수록 이탈이 늘어간다.
이번에는 classify에서 bayes naivebayes알고리즘을 통해서 분석된 내용을 보자
=== Run information ===
Scheme: weka.classifiers.bayes.NaiveBayes
Relation: 전화이탈자(WEKA용)-weka.filters.unsupervised.attribute.Discretize-F-B10-M-1.0-Rfirst-last-weka.filters.unsupervised.attribute.Discretize-F-B10-M-1.0-Rfirst-last
Instances: 300
Attributes: 11
성별
나이
직업
거주지
지불유형
납입종류
사용총액
기본요금
부가서비스요금
사용기간
고객구분
Test mode: 10-fold cross-validation
=== Classifier model (full training set) ===
Naive Bayes Classifier
Class 유지: Prior probability = 0.5
.
.
.

참고문헌

weka를 통한 데이타분석,현대데이터마이닝 프로그램

태그 weka, 연관분석기법, 군집화기법, 데이터마이닝, 이산화기법

도움말

이 문서는 한글워디안, 한글2002 이상의 버전에서만 확인하실 수 있습니다.

구매에 참고하시기 바랍니다.

자료평가

아직 평가한 내용이 없습니다.

오늘 본 자료

  • 오늘 본 자료가 없습니다.
  • img

    저작권 관련 사항 정보 및 게시물 내용의 진실성에 대하여 레포트샵은 보증하지 아니하 며, 해당 정보 및 게시물의 저작권과 기타 법적 책임은 자료 등록자에게 있습니다. 위 정보 및 게시물 내용의 불법적 이용, 무단 전재·배포는 금지됩니다. 저작권침해, 명예훼손 등 분쟁요소 발견시 고객 센터에 신고해 주시기 바랍니다.