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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김성준 (강릉원주대학교) 김지희 (강릉원주대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제35권 제1호
발행연도
2025.2
수록면
1 - 8 (8page)
DOI
10.5391/JKIIS.2025.35.1.1

이용수

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

초록· 키워드

오류제보하기
로지스틱회귀는 대표적인 분류기법 중 하나로 학습과정이 간단하고 해석이 쉽다는 장점이 있다. 이로 인해, 해석 가능한 모델이 선호되는 헬스케어, 고객분류 등의 분야에서 자주 채택되고 있다. 그러나 특징변수 간에 상관관계가 있는 경우 오차분산이 증가하여 결과의 안정성이 떨어지는 문제가 발생한다. 탄성망은 L1 그리고 L2 페널티를 동시에 고려하여 변수선택을 수행하는 회귀기법이다. 본 논문은 로지스틱회귀 기반의 탄성망을 이용하여 비만위험을 분류하는 방안을 제시한다. 이를 위한 절차는 두 단계로 이루어진다. 먼저, 얕은 의사결정나무를 구축하여 뿌리노드를 여러 개의 종료노드로 분할한다. 다음, 탄성망을 각 노드에 선택적으로 적용하여 개별화된 예측모델을 구한다. 이러한 계층적 휴리스틱은 부분집합의 특성을 고려하는 분류기를 최적으로 얻을 수 있어 예측력을 향상시키는 데 도움이 된다. 제안된 방법의 예시는 대한민국 국민건강영양조사 데이터셋을 통해 제공된다. 이 데이터는 32개의 특징변수와 3,443개의 관측시료로 구성된다. 3개 범주로 구분된 BMI를 반응변수로 삼고, 수치실험을 수행한 결과 비만위험 예측의 정확도는 약 72.0%로 나타났다. 이는 의사결정나무, 로지스틱회귀 등 기본 분류기에 비해 다소 개선된 결과로서 제안된 방법이 방대한 데이터셋을 다루는 데 효과가 있음을 알 수 있다.

목차

요약
Abstract
1. 서론
2. 비만위험 연구를 위한 로지스틱회귀와 의사결정나무 적용
3. 탄성망과 의사결정나무 기반의 계층적 분류를 이용한 비만위험 분석
4. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092331246