메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제21권 제1호
발행연도
2019.1
수록면
87 - 94 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
종속변수가 국소 최댓값을 갖는 독립변수의 영역을 찾는 범프탐색(bump hunting)은 PRIM, SVM, 신경망, 의사결정나무 등 다양한 통계적 방법으로 수행 가능하다. 의사결정나무와는 다르게 PRIM은 각 분류 규칙들이 서로 연관되어 있지 않고 독립적으로 구성되어 있을 때 분류 규칙들을 잘 찾는다. 그러나 모든 가능한 분류를 탐색하는 전체탐색 방식을 이용하기 때문에 계산량이 지나치게 많고 변수선택 기능이 없기 때문에 잡음변수들이 존재하는 경우에 예측력이 급격하게 떨어진다. 모의실험과 실제 데이터를 사용하여 범프탐색 최적화 방법론인 PRIM과 선택된 변수 해석이 가능한 의사결정나무를 비교 분석하였다. 이 실험 결과는 잡음변수가 없는 경우에 PRIM이 의사결정나무보다 전체적으로 좋은 성능을, 잡음변수가 존재하는 경우에 PRIM의 예측력은 현저히 떨어짐을 보여주었다. 본 논문에서는 계산속도, 민감도, 특이도, 분류 정확도 기준을 사용하여 PRIM과 의사결정나무 CART, C5.0을 비교하였다.
#bump hunting #PRIM #decision tree #prediction accuracy #efficiency.

목차

등록된 정보가 없습니다.

참고문헌 (10)

참고문헌 신청
백유민 / 2017 / 영과잉 계수형 자료 분석을 위한 허들 나무모형 구축 / Journal of The Korean Data Analysis Society 19(4):1831~1840 google schola 백광일 / 2016 / 신경망모형을 이용한 민간아파트 분양가격 보조지표에 관한 연구 / Journal of The Korean Data Analysis Society 18(3):1367~1376 dbpia Bang, B. K. / 2018 / Comparison study for efficient bump hunting google schola Breiman, L. / 1984 / Classification and regression trees / Chapman & Hall/CRC google schola Cho, H. / 2008 / Median regression tree for analysis of censored survival data / IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans 38:715~726 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0