지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2016.4
- 수록면
- 4,688 - 4,692 (5page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Diabetes is one of the major chronic diseases. The death rate from diabetes is more and more increasing, so causing the financial burdens of the nation to increase. Because chronic diseases, if occur, require continuous management and they are hard to be completely cured, it is important to predict its occurrence in advance. Our goal is to make diabetes risk prediction model based on machine learning techniques using database established by Korean National Health Insurance Corporation. The procedure to build the prediction model consists of two phases, i.e., ‘variable selection’ to find significant factors of diabetes and ‘learning classifier’ to learn a statistical risk prediction model. For the former, we apply correlationbased feature selection, minimum redundancy maximum relevance, classification and regression tree (CART) variable importance, and support vector machine (SVM)-recursive feature elimination. On the other hand, we apply logistic regression, linear discriminant analysis, CART, naïve Bayes (NB), and SVM for the latter. For the purpose of comparison, we conducted numerical experiments for the combinations of each variable selection method and classifier. As a result, the variable selection methods give somewhat consistent results. In the result of performance comparison, no significant difference has been observed among 5 classifiers except NB which showed poor performance.
목차
Abstract
1. Introduction
2. Methods: Variable Selection
3. Methods: Classification
4. Data and Pre-Processing
5. Result
6. Conclusion
7. Acknowledgement
8. Reference
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Feature selection method influencing response variables based on machine learning
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
다중선형회귀모형에서의 변수선택기법 평가
대한산업공학회지
2016 .10
-
Evaluating Variable Selection Techniques for Linear Regression
대한산업공학회 춘계공동학술대회 논문집
2016 .04
-
Black-Box Classifier Interpretation Using Decision Tree and Fuzzy Logic-Based Classifier Implementation
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2016 .03
-
CLIP-SVM : Performance Enhancement of Support Vector Machine with a Feature Extractor Possessing Rich Representations
대한전자공학회 학술대회
2024 .06
-
Relevancy contemplation in medical data analytics and ranking of feature selection algorithms
[ETRI] ETRI Journal
2023 .06
-
Evaluation of Text Classification Methods for Small Labeled Korean Datasets Using Multiple-Criteria Decision-making Methods
Industrial Engineering & Management Systems
2024 .09
-
Performance Improvement in a Classification Method by using Statistical Pre-processing
제어로봇시스템학회 논문지
2019 .01
-
혼합변수를 갖는 데이터의 분류를 위한 하이브리드 분류기
대한산업공학회지
2017 .10
-
당뇨병 예측을 위한 기계학습 기법에 관한 연구
한국정보통신학회 종합학술대회 논문집
2020 .10
-
Investigations on the Optimal Support Vector Machine Classifiers for Predicting Design Feasibility in Analog Circuit Optimization
JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE
2015 .10
-
SVM Classifier 기반 전자식 과전류 계전기
대한전기학회 학술대회 논문집
2024 .04
-
Performance Evaluation of a Feature-Importance-based Feature Selection Method for Time Series Prediction
Journal of information and communication convergence engineering
2023 .03
-
Cross-Project 결함 예측모형 구축을 위한 이중 가중치를 적용한 Naïve Bayes Classifier
한국정보과학회 학술발표논문집
2015 .12
-
카트 모형을 이용한 고장예측모델 기초설계
한국기계가공학회 춘추계학술대회 논문집
2021 .12
-
Enhancing Diabetes Prediction Using Advanced Machine Learning Techniques
The Journal of Contents Computing
2023 .12
-
A Statistical Framework for Detecting Diabetes Types
SmartCR
2015 .04
-
서포트 벡터 머신을 이용한 건설업 안전보건관리비 예측 모델
한국안전학회지
2017 .01
-
A Feature Selection Method for Classifying Highly Similar Text Documents
Industrial Engineering & Management Systems
2021 .06
-
차량 이미지 분류기 학습을 위한 샘플 자동 선택 기법
대한전자공학회 학술대회
2015 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-530-002688026