SAS E-MINER를 이용한 고객 패턴 분석을 통한 신경망과 로지스틱 회귀의 비교

• 영문명: Comparison of Neural Network Modeling and Logistic Regression based on Pattern Analysis of Customers using SAS E-Miner
• 발행기관: 한국자료분석학회
• 저자명: 민대기(Dae Kee Min)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.9 No.4, 1861~1873쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2007.08.30

국문 초록

SAS E-MINER를 이용한 장기운전자 보험 상품의 고객 패턴 분석을 통하여 신경망 모형과 로지스틱 회귀 모형 결과를 비교하여 모델의 적합성을 연구하였다. 뇌 신경생리학으로부터 영감을 얻어 시작된 인공신경망(artificial neural networks)은 복잡한 자료에 대하여 비선형 모델로 예측과 분류를 실행 할 수 있다. 또한 이 기법은 전통적인 회귀모형보다 예측력이 우수하고 교호작용이나 비선형 관계 설명을 위한 추정량도 안정적이다. 그러나 계산시간이 오래 걸리고 결과를 해석하기가 어렵다는 단점이 있다 본 연구의 기본적인 목적은 보험가입고객 중에서 이탈고객의 패턴파악을 인공신경망과 로지스틱 회귀 모형을 적용하고 두 기법의 차이점을 파악하는 것이다.

영문 초록

Neural network modeling is one of the most important methods in data mining for predictive modeling aside from logistic regression and decision trees. This method is particularly useful for analyzing nonlinear complex analysis and generating smaller error estimates of interaction terms. However, some problems of applications of neural network modeling do exist, such as uninterruptible weights and excessive computational time. In this study, I applied neural network modeling and logistic regression to identify the patterns of customers who canceled their insurance before making their full payments. The objective of this study is to find out how much more effective neural modeling work is than logistic regression.

목차

1. 서론

2. 연구방법

3. 결론 및 기대효과

참고문헌

키워드

데이터마이닝 인공신경망 로지스틱 회귀 의사결정나무 Data Mining Neural Network Logistic Regression Decision Tree