데이터 마이닝 알고리즘

아티클
12/15/2008

데이터 마이닝 알고리즘은 마이닝 모델을 만드는 메커니즘입니다. 모델을 만들기 위해 알고리즘은 먼저 데이터 집합을 분석하여 특정 패턴 및 경향을 찾습니다. 그런 다음 알고리즘은 이 분석 결과를 사용하여 마이닝 모델의 매개 변수를 정의합니다.

알고리즘이 만드는 마이닝 모델은 다음과 같은 다양한 형태가 될 수 있습니다.

트랜잭션에서 제품이 그룹화되는 방법을 설명하는 일련의 규칙
특정 고객이 제품을 구입할지 여부를 예측하는 의사결정 트리
판매를 예측하는 수치 연산 모델
데이터 집합의 사례 간 관계를 설명하는 일련의 클러스터

Microsoft SQL Server 2005 Analysis Services(SSAS)에서는 데이터 마이닝 솔루션에서 사용할 수 있는 여러 가지 알고리즘을 제공합니다. 이러한 알고리즘은 데이터 마이닝에 사용할 수 있는 모든 알고리즘의 하위 집합입니다. 데이터 마이닝용 OLE DB 사양과 호환되는 타사 알고리즘을 사용할 수도 있습니다. 타사 알고리즘에 대한 자세한 내용은 플러그 인 알고리즘을 참조하십시오.

알고리즘 검토

Analysis Services에는 다음과 같은 알고리즘 유형이 포함되어 있습니다.

데이터 집합의 다른 특성을 기반으로 하나 이상의 불연속 변수를 예측하는 분류 알고리즘. 분류 알고리즘의 예로 Microsoft 의사결정 트리 알고리즘을 들 수 있습니다.
데이터 집합의 다른 특성을 기반으로 수익 또는 손실과 같은 하나 이상의 연속 변수를 예측하는 회귀 알고리즘. 회귀 알고리즘의 예로 Microsoft 시계열 알고리즘을 들 수 있습니다.
데이터를 속성이 유사한 항목의 그룹 또는 클러스터로 나누는 세그먼트화 알고리즘. 세그먼트화 알고리즘의 예로 Microsoft 클러스터링 알고리즘을 들 수 있습니다.
데이터 집합에 있는 여러 특성 사이의 상관 관계를 찾는 연결 알고리즘. 이러한 종류의 알고리즘은 장바구니 분석에 사용할 수 있는 연결 규칙을 만드는 데 가장 일반적으로 적용됩니다. 연결 알고리즘의 예로 Microsoft 연결 알고리즘을 들 수 있습니다.
웹 경로 흐름과 같이 데이터에서 자주 사용하는 시퀀스 또는 에피소드를 요약하는 시퀀스 분석 알고리즘. 시퀀스 분석 알고리즘의 예로 Microsoft 시퀀스 클러스터링 알고리즘을 들 수 있습니다.

알고리즘 적용

특정 비즈니스 작업에 적합한 알고리즘을 선택하는 것은 결코 쉽지 않습니다. 동일한 비즈니스 작업을 수행하기 위해 여러 알고리즘을 사용할 수 있지만 이렇게 하면 각 알고리즘에서 다른 결과를 생성하며 일부 알고리즘에서는 두 개 이상의 결과 유형을 생성할 수 있습니다. 예를 들어 의사결정 트리가 최종 마이닝 모델에 영향을 미치지 않는 열을 식별할 수 있기 때문에 예측하거나 데이터 집합의 열 수를 줄이는 데 Microsoft 의사결정 트리 알고리즘을 사용할 수 있습니다.

또한 단일 데이터 마이닝 솔루션에서는 일부 알고리즘을 사용하여 데이터를 탐색한 다음 다른 알고리즘을 사용하여 해당 데이터를 기반으로 특정 결과를 예측할 수 있으므로 알고리즘을 독립적으로 사용할 필요가 없습니다. 예를 들어 패턴을 인식하는 클러스터링 알고리즘을 사용하여 데이터를 속성이 거의 유사한 그룹으로 나눈 다음 결과를 사용하여 보다 나은 의사결정 트리 모델을 만들 수 있습니다. 하나의 솔루션 내에서 여러 알고리즘을 사용하여 여러 개별 작업을 수행할 수 있습니다. 예를 들어 회귀 트리 알고리즘을 사용하여 재무 예측 정보를 얻을 수 있으며 규칙 기반 알고리즘을 사용하여 장바구니 분석을 수행할 수 있습니다.

마이닝 모델로 값을 예측하고 데이터를 요약할 수 있을 뿐만 아니라 숨겨진 상관 관계도 찾을 수 있습니다. 다음 표에서는 데이터 마이닝 솔루션에 적합한 알고리즘을 선택하는 데 도움이 되도록 특정 작업에 사용할 알고리즘을 제안합니다.

작업	사용할 Microsoft 알고리즘
불연속 특성 예측. 예: 대상 메일 캠페인의 대상이 제품을 구입할지 여부 예측	Microsoft 의사결정 트리 알고리즘 Microsoft Naive Bayes 알고리즘 Microsoft 클러스터링 알고리즘 Microsoft 신경망 알고리즘(SSAS)
연속 특성 예측. 예: 내년 판매 예측	Microsoft 의사결정 트리 알고리즘 Microsoft 시계열 알고리즘
시퀀스 예측. 예: 회사 웹 사이트의 클릭스트림 분석 수행	Microsoft 시퀀스 클러스터링 알고리즘
트랜잭션에서 공통 항목 그룹 찾기.예: 장바구니 분석을 사용하여 고객에게 추가 제품 구매 제안	Microsoft 연결 알고리즘 Microsoft 의사결정 트리 알고리즘
유사 항목 그룹 찾기. 예: 특성 간의 관계를 보다 잘 이해하기 위해 인구 통계 데이터를 그룹으로 나눔	Microsoft 클러스터링 알고리즘 Microsoft 시퀀스 클러스터링 알고리즘

각 모델에서 다른 결과 유형을 반환하기 때문에 Analysis Services에서는 각 알고리즘에 대해 별도의 뷰어를 제공합니다. Analysis Services에서 마이닝 모델을 찾으면 해당 모델의 적절한 뷰어를 사용하여 데이터 마이닝 디자이너의 마이닝 모델 뷰어 탭에 해당 모델이 표시됩니다. 자세한 내용은 데이터 마이닝 모델 보기를 참조하십시오.

알고리즘 세부 사항

함수를 사용하여 마이닝 모델이 반환하는 결과를 확장할 수 있습니다. 다음 표에서는 Analysis Services의 모든 알고리즘이 지원하는 함수를 나열합니다.

BottomCount	RangeMin
BottomPercent	TopCount
Predict	TopPercent
RangeMax	TopSum
RangeMid

개별 알고리즘에서 추가 함수를 지원할 수 있습니다. Microsoft에서 제공하는 알고리즘에는 중복 키를 사용할 수 없습니다.

참고 항목

개념

데이터 마이닝 개념
마이닝 구조(Analysis Services)
Microsoft 연결 알고리즘
Microsoft 클러스터링 알고리즘
Microsoft 의사결정 트리 알고리즘
Microsoft Naive Bayes 알고리즘
Microsoft 신경망 알고리즘(SSAS)
Microsoft 시퀀스 클러스터링 알고리즘
Microsoft 시계열 알고리즘
Microsoft 선형 회귀 알고리즘
Microsoft 로지스틱 회귀 알고리즘
플러그 인 알고리즘
데이터 마이닝 도구 사용

도움말 및 정보

SQL Server 2005 지원 받기