지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 강창완
- 발행연도
- 2018
- 저작권
- 동의대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
작년 알파고를 통해 머신러닝에 대한 관심도가 많이 증가하였다. 머신러닝은 어떤 작업의 패턴, 이상 감지, 예측 등을 할 수 있으며 그것을 통해 앞으로의 일에 대해 미리 대처하고 사고를 줄일 수 있다. 하지만 머신러닝을 통해 성공적인 분석을 위한 핵심적인 요소가 있으며, 그 요소 중 데이터의 양이 많으면 많을수록 더욱 정확한 분석이 가능하고 그것에 맞는 학습법을 선택해야 하는 부분이 있다. 본 연구에서는 데이터가 중첩되어 쌓이는 상황에서 정확한 분석을 할 수 있는 모델을 찾기 위해 가장 많이 사용되고 있는 딥러닝 모델과 랜덤 포레스트 모델을 이용하여 개월 별로 쌓여가는 데이터에 대해서 어떤 모델의 정분류율이 더 잘나오며, 많은 데이터에 대한 적합한 모델이 어떤 것인지에 대해 살펴보았다.
목차
Ⅰ. 서론............................................................................................................1Ⅱ. 랜덤 포레스트(Random Forest)와 딥러닝(Deep Learning)...................32.1 랜덤 포레스트(Random Forest) ........................................................32.2 딥러닝(Deep Learning) .......................................................................5Ⅲ. 데이터 분석................................................................................................73.1 데이터 설명..........................................................................................73.2 분석 과정..............................................................................................8Ⅳ. 결론............................................................................................................9
최근 본 자료
댓글(0)
0