ADsP

- Statistics

통계분석의 이해

1. 통계
2. 통계자료의 획득 방법
3. 통계분석
4. 확률 및 확률 분포
5. 추정 및 가설 검정
6. 비모수 검정
   
   

- Regression

Regression Summary

1. 회귀분석의 개요
2. 가정에 대한 검증

Simple Linear Regression

1. 회귀분석에서의 검토사항
2. 회귀계수의 추정
3. 회귀분석의 검정

Multiple Linear Regression

1. 다중회귀식
2. 모형의 통계적 유의성(F-value)
3. 회귀계수의 유의성(t-value)
4. 모형의 설명력($R^2$, $R_a^2$)
5. 모형의 적합성
6. 다중공선성

Optimization

1. 최적회귀방정식의 선택
2. 벌점화된 선택기준
3. 최적화회귀방정식의 사례

- Timeseries

Timeseries_Stationarity

1. 시계열 자료
2. 정상성

Timeseries_Analysis

1. 분석방법
2. 자료 형태에 따른 분석방법
3. 이동평균법
4. 지수평활법

Timeseries_Model

1. 자기회귀 모형(AR model)
2. 이동평균 몽형(MA model)
3. 자기회귀누적이동평균 모형(ARIMA model)
4. 분해 시계열
   
   

- Multidimensional Scaling

다차원 척도법

1. 다차원 척도법
2. 목적
3. 다차원척도법 방법
4. 다차원척도법 종류
   
   

- Principal Component Analysis

주성분 분석

1. 주성분 분석
2. 주성분분석의 목적
3. 주성분분석 vs 요인분석
4. 주성분의 선택법
   
   

- Data Minning

Data Minning

1. 데이터 마이닝
2. 데이터 마이닝의 분석 방법
3. 분석 목적에 따른 작업 유형과 기법
4. 데이터마이닝 추진단계
5. 데잍터 마이닝을 위한 데이터 분할
   
   

Performance Evaluation

1. 오분류에 대한 추정치
2. ROCR 패키지로 성과분석
3. 이익도표
   
   

- Classificaion

Classification

1. 분류분석과 예측분석

Logistic Regression

1. 로지스틱 회귀분석

Decision Tree

1. 의사결정나무
2. 불순도의 여러 가지 측도
3. 의사결저나무 알고리즘
   
   

- Ensemble

Ensemble Analysis

1. 앙상블 분석
2. 배깅
3. 부스팅
4. 랜덤 포레스트
   
   

- ANN

Artificail Neural Network

1. 인공신경망 분석
2. 신경망 구축시 고려사항
   
   

- Clustering

Clustering

1. 군집분석
2. 거리

HierarchicalClustering

1. 최단연결법
2. 최장연결법
3. 평균연결법
4. 와드연결법
5. 군집화

Partitional Clustering

1. k-means 군집분석
2. k-means 군집분석 과정
3. k-means 군집분석의 특징
4. k-modeling clustering

Mixture Distribution

1. 개요
2. 혼합 분포모형으로 설명할 수 이쓴 데이터의 형태
3. EM 알고리즘의 진행과정

SOM

1. 개요
2. 구성
3. 특징
   
   

- Association

Association Analysis

1. 연관 규칙
2. 기존 연관성분석의 이슈
3. 최근 연관성분석 동향

• Apriori Algorithm
• FP-Growth Algorithm