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
이성건 (성신여자대학교)
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제25권 제1호
발행연도
2023.2
수록면
141 - 148 (8page)
DOI
10.37727/jkdas.2022.25.1.141

이용수

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

초록· 키워드

오류제보하기
분류모형의 정확도 및 성능을 높이기 위해서는 우선 데이터의 품질이 담보되어야 한다. 이러한 데이터의 품질에 영향을 주는 것으로는 데이터의 정확도, 결측값의 비율, 모집단 대표성 등의 다양한 요소가 있으며, 본 연구에서는 오류라벨(mislabel)이 있는 데이터에 대한 분류모형의 강건성(robustness)에 대해 살펴보고자 한다. 오류라벨은 데이터를 통해 분류하고자 하는 명목형(nominal) 값인 라벨이 잘못된 것을 의미한다. 우리가 오류라벨에 관심을 갖는 이유는, 다른 일반적인 측정 오류보다 라벨오류가 모형의 성능을 현저히 떨어뜨리기 때문이다. 본 연구에서는 오류라벨이 존재하는 데이터에 대한 다양한 분류방법에 대해 강건성을 검토하였다. 통계적 모형 기반의 방법에서는 피셔의 선형판별모형(LDA), 이차판별모형(QDA), 로지스틱 회귀모형을 고려하였고, 알고리즘(algorithm) 기반의 방법에서는 SVM(support vector machine), 부스팅(boosting)을 비교하였다. 모의실험을 통한 비교 결과, 오류라벨의 다양한 상황을 가정한 데이터에서 통계적 모형기반 방법론이 강건성의 면에서는 우수한 결과를 보이고 있음을 확인하였다.
#강건성 #오류라벨 #기계학습방법 #통계모형 #분류모형. #robustness #mislabel #machine learning #statistical model #classification.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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