Datamining
 - 수학
 - 통계학
 - 기계학습
  - 인공지능
 - etc.

 데이터의 속성
  - Numerical -> Discretize
  - Ordinal
  - Nominal(Categorical)

 association rule / attribute importance
 supervised / unsupervised
  - 결과값을 활용하는가의 여부
  - supervised: 결정트리, 베이지언 네트워크, 회귀분석, 신경망
  - unsupervised: K-means, 계층적 클러스터링, 밀도기반

  결정트리
   - Categorical

  K-means
   - 임의의 클러스터 중심을 K개 설정하고, 가장 가까운 클러스터로 이동, 클러스터 구성 값들의 평균으로 중심 수정

  계층적 클러스터링
   - 데이터가 초기 클러스터 -> 가까운 데이터를 모아 부모 노드로 설정

  밀도 기반
   - 저밀도 지역을 노이즈로 판단하고 생략

  회귀분석
   - 데이터를 표현하는 가장 적합한 직선의 방정식을 구함 -> 오차제곱합의 최소화

  다중 퍼셉트론
   - 입력된 값(-1~1로 변환됨)의 가중치를 계산, 출력값과 가중치의 곱의 총합

  원형 기준 함수
   - K-means로 생성된 클러스터가 네트워크 노드, 입력과 중심의 근접도가 곧 가중치

  SVM
   - 우리가 아는 그것

  베이지언
   - 저는 이게 뭔 소린지 아직도 모릅니다

  마이닝 프로세스
   - 모델링과 속성 선택
   - 학습 셋 만들기
   - 정규화화 데이터 정제
   - 데이터 분석
   - 예측 모델의 품질 측정
   - 예측 모델 상용

  K 분할교차 검증
   - 데이터를 K 개로 나누어 K-1개에 대한 예측 모델을 만들고 나머지 하나에 대해 시험해 본다.

  WEKA / JDM(DEPRECATED!)