데이터마이닝의 다양한 기법들 중에서 군집분석 방법은 객체간의 유사도를 이용하여 비슷한 객체끼리 군집화하는 방법이다. 수치형 데이터에 대한 군집분석 방법은 k-means 알고리즘[1]이 잘 알려져 있으며, 범주형 데이터에 대한 군집분석방법은 k-modes 알고리즘[2]이 알려져 있다. 본 논문에서는 범주속성의 데이터에 대하여 속성의 영향력을 수치적으로 평가하여 이를 군집화에 적용하였다. 군집화 기법에는 두 가지 방법을 이용하였다. 먼저 데이터의 분할에는 Tree-based Method[3-5]를 이용하여 영향력 높은 속성에 따른 속성 수준으로 데이터를 구분하였으며, 이를 k-modes 알고리즘을 이용하여 군집화 하였다. 각각의 방법은 범주형 속성에 대하여 속성의 영향력을 적용할 수 있도록 적용하였으며 높은 정확도를 보여주었다.
Clustering analysis method is a method of assigning a set of objects into the clusters so that the objects in the same cluster are more similar to each other clusters. Especially, k-means algorithms is the most famous clustering in numerical data and k-modes algorithms is clustering algorithm in categorical data. In this paper, we used two algorithms that Tree-based Methods and k-modes algorithms. Each gives rise to and supports the other, while the entire process is cluster analysis using a frequency of categorical data attributes.
