비즈니스 데이터 분석을 위한 베이지안 계층 군집분석

류성균; 황범석

doi:10.7465/jkdi.2020.31.1.159

주제분류

...

저널정보

한국데이터정보과학회
한국데이터정보과학회지 학술저널
한국데이터정보과학회지 제31권 제1호
2020.1 159 - 171 (13page)
DOI : 10.7465/jkdi.2020.31.1.159

저자정보

류성균 (중앙대학교)
황범석 (중앙대학교)

이용수
내서재: 5

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (2)

2020

비즈니스 데이터 분석을 위한 베이지안 계층 군집분석

류성균 , 황범석 한국데이터정보과학회지 2020.01 학술저널

비즈니스 데이터 분석을 위한 베이지안 계층 군집분석

류성균 통계학과 2020 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록·키워드

오류제보하기

군집분석은 데이터 마이닝 기법의 일종으로 객체 간의 유사도 혹은 비유사도를 이용하여 비슷한 객체를 군집화하는 방법이다. 흔히 사용되는 군집분석 방법으로는 계층적 군집분석, k-평균 군집분석 등이 있으나 이러한 방법들은 이상치에 민감하고, 군집의 수와 같은 모수들을 사전에 정해야 하는 단점이 있다. 한편, 유전체 분석에서 활용되고 있는 베이지안 계층 군집분석은 가설 검정을 기반으로 군집을 정하기 때문에 앞서 말한 군집분석 방법의 단점을 보완할 수 있다. 본 연구에서는 모의실험을 통해 베이지안 계층 군집분석 방법의 장점과 기존 방법들과의 차이점을 확인하고, 실제 비즈니스 데이터에 이를 적용하여 최적의 군집분석 결과를 얻을 수 있는지 살펴본다.

Clustering is a kind of data mining methods that groups similar objects by using similarity or nonsimilarity between objects. The hierarchical clustering and k-means clustering are widely exploited, but these methods have some drawbacks in that sensitive to the outliers and require predetermined options such as the number of clusters. Meanwhile, the Bayesian Hierarchical Clustering (BHC) employed in microarray data analysis determines clusters based on the hypothesis testing, and therefore, it does not concern about the problems as mentioned above. In this study, we examine the advantage of BHC and the differences between well-known clustering methods and how this method could be applied to business data to obtain superior clustering result.

#계층적 군집분석 #고객 데이터 #군집 순도 #베이지안 계층 군집분석 #수정 랜드 지수 #ARI #Bayesian hierarchical clustering #cluster purity #hierarchical clustering #Wholesale customers data