Ⅰ. 서 론 1.1 데이터마이닝의 출현배경 1.2 데이터마이닝의 정의 1.3 데이터마이닝의 역할 1.4 데이터마이닝 기법 1.5 데이터마이닝의 적용분야 Ⅱ. SAS Enterprise Miner 14.1 2.1 SAS Enterprise Miner 14.1 소개 2.2 Enterprise Miner 14.1의 기본 구성요소와 노드 Ⅲ. SAS Enterprise Miner 14.1의 기본활용 3.1 소 개 3.2 SAS E-Miner 작업환경 생성 3.3 데이터소스 3.4 자료 탐색 Ⅳ. 연관성분석 4.1 연관성분석의 개념 4.2 연관성분석의 원리 4.3 연관성분석의 특성 4.4 사례분석 Ⅴ. 군집분석 5.1 군집분석의 개념 5.2 유사성, 연관성 및 거리 5.3 계층적 군집분석 5.4 비계층적 군집방법 5.5 가중치와 군집평가 5.6 군집분석의 장점과 단점 5.7 사례분석 Ⅵ. 의사결정나무분석 6.1 의사결정나무의 정의 6.2 의사결정나무의 구성요소 6.3 의사결정나무의 원리 6.4 원자료의 분할 및 효율성평가 6.5 노드의 분리기준 및 가지치기 6.6 의사결정나무 알고리즘 6.7 의사결정나무의 장점과 단점 6.8 사례분석 Ⅶ. 회귀모형 7.1 단순선형회귀모형 7.2 다중선형회귀모형 7.3 로지스틱회귀모형 7.4 회귀분석의 장점과 단점 7.5 사례분석 Ⅷ. 인공신경망 8.1 신경망의 개요 및 배경 8.2 신경망의 예 8.3 신경망 구조 8.4 모형선택 8.5 최적화 8.6 분석용자료의 선택 8.7 자료의 변환 8.8 결과 해석 8.9 사례분석 Ⅸ. -최근접 이웃분류법 9.1 1-최근접 이웃분류법 9.2 German Credit 데이터를 이용한 ?-NN분석 Ⅹ. 모형 평가 및 비교 10.1 모형 평가 및 비교의 개념 10.2 목표변수가 구간형인 경우 10.3 목표변수가 이진형인 경우 10.4 사례분석 부록. 실습 데이터 1. Boston Housing 데이터 2. Fatty Liver(지방간) 데이터 3. German Credit 데이터 4. High Speed 데이터 5. Home Price 데이터 6. KOSPI200 데이터 7. Microsoft 홈페이지 방문 데이터 8. Organics 데이터 9. PVA97NK 데이터 10. Transactions 데이터