# R 데이터 처리 기초 연습문제 [1] # 아래는 한 회사의 고객 리스트이다. 이 데이터를 활용하여 # 아래의 문제들에 대한 답을 찾는 R 스크립트를 실행하라. cust <- data.frame(age = 30:50, sales = rep(c(65,60,80),7)) freq <- rep(c(3,7,4,2,1,1,2),3) # sales는 각 고객별 총판매금액이며 freq는 구매횟수이다. # ..

#-----[CRMAJU2018] --- R 데이터 처리 기초 연습문제 [1] ----------- # 아래는 한 회사의 고객 리스트이다. 이 데이터를 활용하여 # 아래의 문제들에 대한 답을 찾는 R 스크립트를 실행하라. cust <- data.frame(age = 30:50, sales = rep(c(65,60,80),7)) freq <- rep(c(3,7,4,2,1,1,2),3) # sales는 각 고객별 총판매금액이..

# https://cran.r-project.org/bin/windows/base/old/3.4.4/ # RFM 분석 # data : subset of UCI data # 온라인 리테일러 샘플 데이터 Sample_OnRet.csv # R 데이터분석 scrpt CRM_aju_scrpt_201803.txt # 고객세분화 연습용 샘플 데이터 cust_seg_smpl_280122.xlsx # [서점 CSV] cust_seg_smpl_280122.csv # 탐색적 데이터 분석 연습용 추가 예제 # Whole..

탐색적분석 Exploratory Data Analysis (EDA) ? (주로 시각적인 방법을 활용하여) 다음과 같은 목적을 달성하기 위해 데이터를 분석하는 방법 데이터 셋에 대한 이해를 높이기겉으로 드러나지 않은 구조를 파악하기 중요한 변수들을 찾아내기아웃라이어와 비정상적인 값을 찾아내기깔려있는 상식..

# randomForest와 ranger 속도 차이 비교 # randomForest의 가장 큰 약점 중 하나인 모델 생성 속도 문제에 대한 대책으로 ranger 테스트 # ranger :: a fast implementation of Random Forest (Breiman 2001) or recursive partitioning, particularly suited for high dimensional data bnk05 <- read.csv('http://cfile223.uf.daum.net/attach/99E6173359C44CE507C..

A00_GDA_dp_scrpt_20171016.txt 사용자 데이터 userb.csv 로그인 이력 데이터 daub.csv