데이터 웨어하우징 및 데이터 마이닝 MCQ 요약

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

데이터 분석

대상자

데이터 웨어하우징 및 데이터 마이닝을 학습하는 대학원생 및 B.Tech 학생. 중간 난이도의 개념 이해 및 실무 적용에 초점.

핵심 요약

• 데이터 웨어하우징의 핵심 특성: 시간 변동성, 주제 중심, 통합성 (예: time-varying, subject-oriented, integrated).
• 데이터 마이닝 기술: K-means는 유럽 기하 거리를 사용, Association Rule은 Support와 Confidence로 평가.
• 데이터 웨어하우징의 목적: 결정 지원 시스템(DSS)을 위한 분석 및 예측.

섹션별 세부 요약

1. 데이터 웨어하우징의 시간 변동성

• 데이터 웨어하우징은 시간 요소를 통해 역사적 맥락을 포함.
• time-varying은 구조 내 암시적/명시적 시간 요소로 정의.

2. 데이터 웨어하우징의 통합성

• 다중 출처의 데이터를 통합하여 일관된 시스템 구축.
• 비즈니스 주제 중심으로 데이터를 조직.

3. 데이터 마이닝 기술

• K-means는 유럽 기하 거리로 클러스터 중심과 데이터 포인트의 유사도 측정.
• Association Rule은 Support와 Confidence로 규칙의 강도 및 흥미를 평가.

4. 예측 및 설명적 데이터 마이닝

• Classification은 예측적, Clustering은 설명적.
• Web Usage Mining은 사용자 액세스 패턴 분석에 사용.

5. 데이터 웨어하우징 아키텍처

• 아키텍처는 설계 및 구현의 구조적 프레임워크 제공.
• Metadata는 데이터에 대한 설명 정보를 정의.

결론

• 핵심 팁: 데이터 웨어하우징의 4대 특성(주제 중심, 시간 변동성, 통합성, 비휘발성)을 이해하고, 데이터 마이닝 기법(K-means, Association Rule)의 수학적 기반을 익히는 것이 실무에 유리.