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
- 2012.5
- 수록면
- 1,503 - 1,510 (8page)
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
본 연구에서는 정규분포를 따르지 않는 데이터의 Regression Tree를 구축하기 위한 분할 기준(Split Function)을 제안한다. 기존 연구에 의한 분할 기준은 ANOVA를 기반으로 하고 있어 데이터의 정규성, 독립성, 등분산성의 가정을 포함하고 있으나 분석의 대상이 되는 데이터는 일반적으로 위의 가정을 만족하지 못한다. 본 연구에서는 비정규 분포를 표현할 수 있는 피어슨 분포를 이용한 Approximated P-value를 기준으로 하는 학습 방법을 제안한다. 제안하는 방법은 비정규 데이터에 적합한 분할기준을 사용함으로써 학습 효과를 향상 시킬 수 있다.
목차
1. Introduction
2. Method
3. Exerimental Result
4. Discussion
Acknowledgement
Reference
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-020-000846921