Exploring class imbalance with under-sampling, over-sampling, and hybrid sampling based on Mahalanobis distance for landslide susceptibility assessment: a case study of the 2018 Iburi earthquake induced landslides in Hokkaido, Japan

남경훈; 김종태; 채병곤

doi:10.1007/s12303-023-0033-6

추천

검색

자료유형: 학술저널

저자정보: 남경훈 (안동대학교) 김종태 (자연과 기술) 채병곤 (한국지질자원연구원)

저널정보: 한국지질과학협의회 Geosciences Journal Geosciences Journal Vol.28 No.1

발행연도: 2024.2

수록면: 71 - 94 (24page)

DOI: 10.1007/s12303-023-0033-6

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This study focuses on evaluating the performance of the resampling approach using under-sampling, over-sampling, and hybrid sampling techniques in the random forest (RF) model for landslide susceptibility assessment (LSA). For this research, the study area selected was Hokkaido, Japan, which experienced a total of 5,625 landslides as a single event caused by the 2018 Ibury earthquake. The objective of this study is to address the class imbalance issue and improve the accuracy of LSA. Multiple data sources are utilized to obtain conditioning factors, and objective absence data sampling based on Mahalanobis distance is employed to tackle the unlabeled sample problem. The RF model is used to calculate landslide susceptibility values and generate LSA. These values are then evaluated using two diagnostic tools, the Area Under the Receiver Operating Characteristic curve (AUROC) and the Precision-Recall curve (AUPRC). These tools help validate and interpret binary classification predictive models for imbalanced data. The results demonstrate improved performance with larger sample sizes, and the resampling approach yields better consistency compared to random sampling within the study area. To enhance the accuracy and consistency of machine learning techniques in reducing landslide risks, the study recommends utilizing hybrid sampling technique and Mahalanobis distance-based absence data sampling in LSA.

#class imbalance #under-sampling #over-sampling #hybrid sampling #Mahalanobis distance

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!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)