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
우덕채 (국민대학교 데이터사이언스학과) 문현실 (경희대학교 경영대학 & AI경영연구센터) 권순범 (국민대학교 경영학부) 조윤호 (국민대학교 경영학부)
저널정보
한국IT서비스학회 한국IT서비스학회지 한국IT서비스학회지 제18권 제2호
발행연도
2019.1
수록면
143 - 159 (17page)

이용수

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

이 논문의 연구 히스토리 (3)

2019

머신러닝에서 특성 생성 자동화를 위한 딥러닝 활용
우덕채 ,  조윤호 한국지능정보시스템학회 학술대회논문집 2019.06 학술대회자료
트랜잭션 기반 머신러닝 문제의 자동화된 특성 추출을 위한 딥러닝 활용
우덕채 데이터사이언스학과 2019.01 학위논문
트랜잭션 기반 머신러닝에서 특성 추출 자동화를 위한 딥러닝 응용
우덕채 ,  문현실 ,  권순범 외 1명 한국IT서비스학회지 2019.01 학술저널

초록· 키워드

오류제보하기
Machine learning (ML) is a method of fitting given data to a mathematical model to derive insights or to predict. In the age of big data, where the amount of available data increases exponentially due to the development of information technology and smart devices, ML shows high prediction performance due to pattern detection without bias. The feature engineering that generates the features that can explain the problem to be solved in the ML process has a great influence on the performance and its importance is continuously emphasized. Despite this importance, however, it is still considered a difficult task as it requires a thorough understanding of the domain characteristics as well as an understanding of source data and the iterative procedure. Therefore, we propose methods to apply deep learning for solving the complexity and difficulty of feature extraction and improving the performance of ML model. Unlike other techniques, the most common reason for the superior performance of deep learning techniques in complex unstructured data processing is that it is possible to extract features from the source data itself. In order to apply these advantages to the business problems, we propose deep learning based methods that can automatically extract features from transaction data or directly predict and classify target variables. In particular, we applied techniques that show high performance in existing text processing based on the structural similarity between transaction data and text data. And we also verified the suitability of each method according to the characteristics of transaction data. Through our study, it is possible not only to search for the possibility of automated feature extraction but also to obtain a benchmark model that shows a certain level of performance before performing the feature extraction task by a human. In addition, it is expected that it will be able to provide guidelines for choosing a suitable deep learning model based on the business problem and the data characteristics.
#Machine Learning #Deep Learning #Feature Engineering #Automated Feature Extraction #Transaction Data

목차

등록된 정보가 없습니다.

참고문헌 (61)

참고문헌 신청
안성만 / 2016 / 딥러닝의 모형과 응용사례 / 지능정보연구 22(2):127~142 dbpia 알렉스 샤이코니 / 2017 / 딥러닝 기반의 다범주 감성분석 모델 개발 / 한국IT서비스학회지 16(4):149~160 dbpia Babaee, M. / 2018 / A deep convolutional neural network for video sequence background subtraction / Pattern Recognition 76:635~649 google schola Chollet, F. / 2017 / Deep Learning with Python / Manning Publications Company google schola Balaji, A. / 2018 / Benchmarking Automatic Machine Learning Frameworks / arXiv preprint arXiv : 1808. 06492 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