Galit Shmueli, Peter C. Bruce 등이 쓴 'Datamining for Business Analytics'입니다. 2019년 데이터마이닝 수업을 들으며 작성한 코드와 과제를 업로드 합니다.
해당 교재를 통해 작성한 과제물을 업로드
위 그림을 보면 configuration ~ Retail.Price 가 Configuration의 증가에 맞게 Retail.Price가 증가하는 비례관계임을 알 수 있다. 이 형태를 좀 더 명확하게 보기 위해 회귀선을 부여했다. 회귀선을 부여한 결과, 두 변수의 상관관계를 더 강하게 볼 수 있었다. 노트북의 판매가는 쪼개진 6개의 집단의 구간으로 추정할 수 있다.
위 그림은 월별-판매가의 자료 그래프다. 해당 노트북 가격의 누적량을 통해 연초가 연말보다 더 높은 가격을 형성한다고 볼 수 있다. 10월과 12월 사이의 노트북 판매가격은 급격하게 하락한다. 10월과 12월 사이에 추수감사절, 크리스마스 등의 이벤트가 영향을 끼친 것인지 조심스럽게 추측해본다.
요일 데이터의 경우, 1월부터 9월까지는 요일 간 판매가격에 차이가 보이지 않는다. 그러나 10월부터 12월 사이의 데이터에는 유의미한 변화가 보인다. 10월 (금, 토, 일), 11월(월, 화, 수), 12월(수, 목, 금) 판매가가 타 요일에 비해 상대적으로 저렴하다. ‘런던 컴퓨터’가 월마다 해당 요일에 행사를 열었을 거라 생각해본다.
분기별 데이터의 경우, 1, 2, 3분기에 비해 4분기 판매량이 급격히 하락했다. 월별 데이터로 파악한 결과, 10, 11, 12월의 매출 하락이 동일한 결과로 나타났다고 본다. 해당 시기의 요일 데이터는 4분기 요일(수,금)이 타 요일에 비해 판매량이 부진한 것을 제외하고는 유의미한 차이가 보이지 않았다.
해당 교재를 통해 작성한 코드를 업로드
'Datamining for Business Analytics(in R edition)'에서 제공한 데이터셋을 다운로드. 일부 데이터는 직접 다운로드도 해야함