프로필 본문영역

메인 프로필
비박스 박시
친구 15

안녕하세요! 데이터 분석을 더 쉽게! 한글 데이터 분석 도구! 비박스 입니다!

포스트 메뉴
WordCloud 8월 후반기(16일~31일)뉴스분석

WordCloud 8월 후반기(16일~31일)뉴스분석 입니다 ^^

Word Cloud 8월 전반기(01일~15일)뉴스 분석입니다.

2019년 8월 후반기(01일~15일)

Word Cloud 뉴스분석 입니다. ^^

Word Cloud 7월 후반기(16일~31일)뉴스 분석입니다.

2019년 7월 후반기(16일~31일)
Word Cloud 뉴스분석 결과입니다.

Word Cloud 7월 전반기(01일~15일)뉴스 분석입니다.

2019년 7월 전반기(01일~15일)
Word Cloud 뉴스분석 결과입니다.

Word Cloud 2019년 상반기(1월~6월)뉴스 분석입니다.

이번시간에는 2019년 상반기 특집을 준비해보았습니다 ^^

Word Cloud 5월 후반기(15일~31일)뉴스 분석입니다.

다시 돌아온 워드클라우드 5월 후반기 뉴스분석 시간입니다 ^^

Word Cloud 5월 전반기(01일~15일) 뉴스 분석!

워드 클라우드 5월 전반기(1일 ~ 15일) 뉴스를 수집하여 비박스 워드 클라우드 분석을 돌려보았습니다.

Word Cloud(4월 후기(16일~30일))뉴스 분석!

4월 후기(16일~30일) 동안 뉴스들의 헤드라인을 모아 비박스의 Word Cloud를 실행해보았습니다.

Word Cloud(4월 전기(1일~15일)) 뉴스 분석!

4월 전기(1일~15일) 동안 뉴스들의 헤드라인을 모아 비박스의 Word Cloud를 실행해보았습니다.

Word Cloud (3월 후기(16~31일))

3월 후기(16~31일) Word Cloud

Word Cloud

뉴스 기사를 분석해보자.

의사결정나무(Decision Tree)

데이터를 나무 그림으로 이해하기 쉽게 도표화하여 분류 및 예측을 하는 기법입니다. B-Box는 CART 알고리즘을 사용하여 나무 마디를 이지분리(binary split)합니다. 가지치기(Pruning) 과정을 나무그림을 통해 확인할 수 있으며, Z변수 선택을 통해 한 번에 여러 set의 모형을 생성하여, 최적의 Tree모형을 쉽게 찾을 수 있습니다.

LP(Linear Programming)

제약조건 하에서 선형계획법 해찾기 알고리즘을 이용하여 목표함수의 최적값을 도출합니다.

자료포락분석(DEA:Data Envelopment Analysis)

투입과 산출 변수들을 근거로 각 자료(의사결정단위, DMU)의 효율성 분석을 수행합니다.

의사결정단위의 효율성 점수는 물론 투입변수별 감소가능량, 산출변수별 증가가능량을 알 수 있고, 음수값을 가진 변수의 검토도 가능합니다.

초효율성 개념을 도입하여 상대적 효율성 평가 외에 절대 평가도 가능하도록 구성되어 있습니다.

z변수 선언을 통해 한번에 여러 set의 효율성을 검토할 수 있습니다.

가설검정(Hypothesis)

각 변수에 대한 평균과 분산검정, 두 변수의 평균차이, 분산비, 짝비교 검정 그리고 세 변수 이상의 평균검정을 수행할 수 있습니다.
z변수 선언을 통해 한번에 여러 set의 검정을 검토할 수 있습니다.

아웃라이어(Outlier)

각 변수별 자료에 대해 평균대비 표준편차(시그마)의 비교를 통해 아웃라이어를 탐색하고 아웃라이어 제거 전/후의 기초통계량을 제시합니다.
z변수 선언을 통해 한번에 여러 set의 자료를 검토할 수 있습니다.

구조방정식(SEM:Stuctural Equation Model)

변수 사이의 다양한 인과관계를 하나의 모형을 통해 검증하기 위한 분석을 수행합니다.
모형정의의 편리함을 위해 변수를 쉽게 정의할 수 있는 변수생성 기능과 기본모델생성 기능이 있고 모형의 정의가 수리적 해결이 가능한지 사전 모형검증 기능이 있습니다.
실행결과는 경로도를 통해 추정계수의 유의성 검정결과(유의하지 않은 경우 붉은 점선 표시)까지 한눈에 쉽게 파악할 수 있습니다.

BiPlot

주성분분석에 의한 자료와 다차원 변수 사이의 관련성을 시각적으로 파악하기 위한 그래프를 제공합니다.


p.s : 왜 진료비가 낮을까?
적정한 세션수는 어느정도 일까?
어떻게 분석하면 좋을까?

주성분(PCA:Principal Component Analysis) 분석

변수를 축소하여 자료를 쉽게 설명하기 위한 분석을 수행합니다.
변수를 선택만 하면 바로 결과를 볼 수 있습니다.
주성분간 산점도, 주성분과 관찰변수의 산점도, 그리고 주성분 수준을 결정할 수 있는 scree plot이 제공됩니다.

요인분석(Factor)

변수들의 내재된 상관관계를 파악하여 변수를 분류하기 위한 분석을 수행합니다.
변수를 선택하고 요인수를 입력하면 바로 분석결과를 볼 수 있습니다.
요인의 수가 2개일 경우, 요인회전에 의한 결과를 그래프로 제공합니다.

로딩중입니다.