선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 데이터 마이닝 기법이 통계학 분야에서 각광받지 못하는 이유는 찾아낸 패턴들이 임의적인 현상일 수 있다는 불확실성 때문이다. 그래서 본 연구에서는 이러한 통계적 기법들과 데이터 마이닝의 단점들은 보완하면서 장점들은 절충하는 새로운 통계적 설계 기법을 제시하고자 한다.
- 반응표면분석(RSM)을 통하여 위에서 구한 세 개의 입력 인자와 반응치의 회귀 추정식을 구하고 분산분석을 통하여 이 추정식의 유의한가를 알아보고자 한다.
- [16][17]. 본 연구에서는 데이터 마이닝을 수행하는 단계에 대해서만 다루고자 한다.
- 발생한다. 본 연구에서는 이러한 문제를 해결하기 위하여 데이터 마이닝 기법과 통계적 기법들을 통합하여 보다 현실적이고 새로운 통계적 설계 기법을 개발하였다. 기존에 연구되어진 데이터 마이닝 기법처럼 인자간의 관련성을 규명하는데 그치는 것이 아니라 데이터 마이닝 알고리즘(CBFS 와 BFS)은 통해 상관이 높은 인자를 선택하고, 이인자들이 통계적으로 유의한가를 정확하게 알아본 다음, 수리적인 모형을 세워서 최적 조건을 구함으로써 보다 단계 발전된 기법을 개발하였다.
- 본 연구에서는 이러한 통계적 기법들의 현실적인 문제를 해결하는 방안으로 데이터 마이닝 (DM: Data Mining)기법을 제안하고자 한다. 통계적 기법은 어떤 목적에 의해 수집된 자료들을 분석하는 제 1 차적 데이터 분석인데 반해 데이터 마이닝은 거대한 데이터 베이스에서 관심이나 흥미를 가질 만한 숨겨진 관계를 찾아보는 제 2 차적인 데이터 분석 기법이다.
- 이 인자들의 통계적 분석과 공정의 최적 조건을 구하기 위하여 본 연구에서는 통계적 기법중에 하나인 반응표면분석 (RSM: response surface methodology)을 다루고자 한다.
- 하지만 기존의 DM 논문들은 여러 알고리즘을 사용하여 인자들 간의 관련성을 규명하는데만 초점을 두고 있다. 하지만 본 연구에서는 인자들 간의 관련성 규명하고 한 단계 더 나아가 이를 토대로 모형을 구축하여 이 인자들의 최적해를 구하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.