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
- 홍정식
- 발행연도
- 2021
- 저작권
- 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.
이용수5
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
최근 머신러닝 알고리즘에서 해석력 관련된 연구가 많이 진행되고 있다. 그 중 해석력을 중심으로 연구되고 있는 알고리즘은 규칙 유도방식과 의사결정나무가 있다. 본 연구는 해석력을 개선한 새로운 분기 기준에 대한 연구 논문을 바탕으로 해석력이 높은 새로운 규칙 유도 알고리즘을 제시한다. 또한, 규칙 유도 알고리즘에서 생성된 규칙들의 조건들이 분리조건과 동질조건 두 가지로 구분될 수 있음을 보이고, 분리조건을 경우에 따라서 규칙에서 제거될 수도 있음을 보였다. 이러한 과정을 통해 본 논문에서 조건의 개수가 줄어든 간결 규칙을 유도했다. 규칙 유도 알고리즘으로 모든 규칙을 생성할 경우, 정확도 측면에서 앙상블 알고리즘보다 뒤떨어진다. 따라서 본 논문은 훈련 데이터로 새로운 규칙 유도 알고리즘과 앙상블 알고리즘 두 개를 도출한 뒤, 이를 차례대로 활용하는 하이브리드 알고리즘을 제시한다. 실험 결과, 본 논문은 케이스별로 60%에서 90%에 해당하는 데이터를 규칙 유도 알고리즘으로 처리하고 나머지 데이터를 앙상블 알고리즘으로 처리할 경우, 100%의 데이터를 앙상블 기법으로 처리하는 알고리즘과 대등한 수준의 정확도를 보여줬다. 또한 60%에서 90%의 데이터를 기준으로 규칙을 생성하여 비교했을 때, 기존 의사결정나무 알고리즘보다 해석력 측면에서 뛰어난 지표를 보여줬다. 결과적으로 의사결정나무보다 더 높은 해석력을 가진 규칙을 생성함과 동시에 앙상블과 대등한 성능을 보여줌을 확인할 수 있었다.
목차
I. 서 론 1II. 관련 연구 31. 의사결정나무 알고리즘 32. 규칙 유도 알고리즘 4III. 새로운 규칙유도 알고리즘 61. 대표적인 의사결정나무의 문제점 62. 새로운 규칙 유도 알고리즘 123. 간결한 규칙 154. 하이브리드 알고리즘 18IV. 실험 201. 실험데이터 202. 해석력 203. 성능 22V. 결 론 31참고문헌 32영문초록(Abstract) 35
최근 본 자료
댓글(0)
0