KDD(Knwledge Discovery in Databases)

• 프로파일링 기술 기반
• 통계적 패턴과 지식을 탐색
• 데이터 마이닝, 기계학습, 인공지능, 패턴인식, 데이터 시각화에서 사용

KDD 분석 절차

1. 데이터셋 선택 (Selection)
2. 데이터 전처리 (Preprocessing)
3. 데이터 변환 (Transformation)
4. 데이터 마이닝(Data Mining)
5. 데이터 마이닝 결과 평가 (Interpretation Evaluation)

• 각 철차에서 필요한 경우, 이전 단계로 돌아가 실행할 수 있음

1. 데이터셋 선택

• 비즈니스 도메인에 대한 이해
• 프로젝트 목표 생성 및 확인

2. 데이터 전처리

• 잡음(Noise), 이상치(Outliner) , 결측치(Missing value) 제거

3. 데이터 변환

• 목적에 맞는 변수, 생성, 선택, 차원 축소, 데이터 변환 실행
  = 학습데이터(Training Data)와 검증데이터(test Data)로 분리

4. 데이터 마이닝

• 목적에 적합한 데이터 마이닝 도구, 기법 사용
• 알고리즘 선택, 패턴 탐색, 데이터 분류, 예측작업

5. 데이터 마아닝 결과 평가

• 분석 결과에 대한 평가, 해석, 분석목적성취를 평가
• 데이터 분석 결과를 업무에 활용