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
- 학술저널
- 저자정보
- 저널정보
- 대한산업공학회 Industrial Engineering & Management Systems Industrial Engineering & Management Systems Vol.16 No.3
- 발행연도
- 2017.9
- 수록면
- 384 - 391 (8page)
- DOI
- 10.7232/iems.2017.16.3.384
이용수
초록· 키워드
오류제보하기
Many machine learning algorithms have been proposed and applied to a wide range of prediction problems in the field of industrial management. Lately, the amount of data is increasing and machine learning algorithms with low computational costs and efficient ensemble methods are needed. Alternating Decision Forest (ADF) is an efficient ensemble method known for its high performance and low computational costs. ADFs introduce weights representing the degree of prediction accuracy for each piece of training data and randomly select attribute variables for each node. This method can effectively construct an ensemble model that can predict training data accurately while allowing each decision tree to retain different features. However, outliers can cause overfitting, and since candidates of branch conditions vary for nodes in ADFs, there is a possibility that prediction accuracy will deteriorate because the fitness of training data is highly restrained. In order to improve prediction accuracy, we focus on the prediction results for new data. That is to say, we introduce bootstrap sampling so that the algorithm can generate out-of-bag (OOB) datasets for each tree in the training phase. Additionally, we construct an effective ensemble of decision trees to improve generalization ability by considering the prediction accuracy for OOB data. To verify the effectiveness of the proposed method, we conduct simulation experiments using the UCI machine learning repository. This method provides robust and accurate predictions for datasets with many attribute variables.
목차
ABSTRACT
1. INTRODUCTION
2. PRELIMINARIES
3. PROPOSED METHOD
4. EXPERIMENT
5. CONCLUSIONS AND FUTURE WORK
REFERENCES
참고문헌 (12)
참고문헌 신청
Blake, C. and Merz, C. (1998), UCI repository of machine learning database, Available from: http://www.ics.uci.edu/-mlearn/mlrepository.html.
Breiman, L. (2001), Random forests, Machine Learning, 45(1), 5-32.
Breiman, L., Freidman, J., Olshen, R., and Stone, C. (1984), Classification and Regression Trees, IWadsworth, Belmont, CA.
Cortes, C., Gonzalvo, X., Kuznetsov, V., Mohri, M., and Yang, S. (2017), AdaNet: Adaptive Structural Learning of Artificial Neural Networks, arXiv:1607.01097v3.
Freudman, H., Hastie, R., and Tibshirani, T. (2000), Additive logistic regression, a statistical view of boosting, The Annals of Statistics, 28(2), 337-407.
Cortes, C., Gonzalvo, X., Kuznetsov, V., Mohri, M., and Yang, S. (2017), AdaNet: Adaptive Structural Learning of Artificial Neural Networks, arXiv:1607.01097v3.
Freudman, H., Hastie, R., and Tibshirani, T. (2000), Additive logistic regression, a statistical view of boosting, The Annals of Statistics, 28(2), 337-407.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
PM10 농도 예측을 위한 머신러닝 기반 결측치 처리의 실증적 분석
대한전자공학회 학술대회
2019 .06
-
데이터간 의미 분석을 위한 R기반의 데이터 가중치 및 신경망기반의 데이터 예측 모형에 관한 연구
멀티미디어학회논문지
2015 .04
-
Object Classification Method Using Dynamic Random Forests and Genetic Optimization
한국컴퓨터정보학회논문지
2016 .05
-
Comparison of Machine Learning Models for Solar Energy Prediction
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
Prediction of the Electric Vehicle Driving Distance Depending on the Air Temperature Changing by the Random Forest Tree Ensemble Learning
대한전자공학회 학술대회
2023 .06
-
랜덤포레스트와 유전알고리즘을 이용한 표적 분류 기법
대한전자공학회 학술대회
2016 .11
-
머신러닝 기반의 예측 시장 참여를 위한 태양광 발전량 예측 알고리즘 및 수익성에 관한 연구
한국태양에너지학회 논문집
2022 .12
-
딥러닝 기반 앙상블을 이용한 유방암 분류
보건정보통계학회지
2018 .01
-
현재 기상 정보의 이동 평균을 사용한 태양광 발전량 예측
멀티미디어학회논문지
2016 .08
-
LSTM Model-based Prediction of the Variations in Load Power Data from Industrial Manufacturing Machines
Journal of information and communication convergence engineering
2022 .12
-
산업 데이터 분석을 위한 통계 및 기계학습 모형의 예측 성능 비교
한국생산제조학회 학술발표대회 논문집
2017 .04
-
Pre-study: Trust and Smart Prediction Using Social Relationships for Effective Recommendation Systems
SmartCR
2015 .10
-
Epidemic Respiratory Disease Prediction Using Ensemble Method
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2018 .06
-
앙상블 러닝 기반 동적 가중치 할당 모델을 통한 보험금 예측 인공지능 연구
한국정보전자통신기술학회 논문지
2024 .08
-
V2X 통신 및 LSTM을 활용한 주변 차량 경로 예측 알고리즘
한국자동차공학회 추계학술대회 및 전시회
2019 .11
-
다중 모델 머신러닝 기반 전력사용량 예측 정확도 향상 기법
전기학회논문지
2022 .06
-
Ensemble Methods Applied to Classification Problem
International journal of internet, broadcasting and communication : IJIBC
2019 .01
-
A-BERF: Action-weighted Ensemble by Bootstrapping Extremely Randomized Forest for Pre-Crash Moral Decision-Making in Autonomous Driving
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
아파트 대량 평가를 위한 기계 학습 알고리즘과 스태킹 앙상블 기법의 응용
한국경영공학회지
2022 .06
-
의사 결정 트리와 랜덤 포레스트 모델 분석
Proceedings of KIIT Conference
2018 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-530-001255238