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
- 조형준
- 발행연도
- 2021
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수3
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
랜덤포레스트는 의사결정나무가 가진 불안정성을 보완하고 예측 정확도를 높여 현재까지 대중적으로 쓰이고 있는 방법이다. 하지만, 정확도를 높인 대신 해석하기 어렵다는 문제점이 생겼고, 이를 보완하기 위해 변수중요도로 특정 변수가 랜덤포레스트의 성능에 얼마나 영향을 주는지 확인해왔다. 그러나, 어떤 변수가 중요한 변수인지 알려줄 것으로 기대되는 변수중요도는 예측변수가 다른 예측변수와 선형 또는 비선형 상관관계가 있고, 그에 대한 상관계수가 높을수록 그 변수가 랜덤포레스트에 줄 수 있는 영향력이 본래보다 낮게 편향된 수치를 보이는 경향이 있다. 그로 인해 분석에 도움이 되는 변수를 선별할 때, 중요한 변수를 중요하지 않다고 판단하는 상황이 발생할 수 있다.
본 논문은 랜덤포레스트의 변수중요도가 낮게 편향되는 문제를 확인하고 해결할 방법을 제안한다. 먼저 기존의 변수중요도 알고리즘과 이를 수정한 알고리즘을 설명한 후, 모의실험을 통해 변수중요도의 하향 편향과 이것의 개선된 결과를 보여주었다. 또한, 실제 자료를 사용한 결과, 실제 자료에도 수정한 변수중요도의 효과를 확인할 수 있었다.
본 논문은 랜덤포레스트의 변수중요도가 낮게 편향되는 문제를 확인하고 해결할 방법을 제안한다. 먼저 기존의 변수중요도 알고리즘과 이를 수정한 알고리즘을 설명한 후, 모의실험을 통해 변수중요도의 하향 편향과 이것의 개선된 결과를 보여주었다. 또한, 실제 자료를 사용한 결과, 실제 자료에도 수정한 변수중요도의 효과를 확인할 수 있었다.
목차
제 1 장 서론 1제 2 장 분류 변수중요도 42.1 MDI 변수중요도 52.2 Max MDI 변수중요도 62.3 MDA 변수중요도 92.4 Max MDA 변수중요도 10제 3 장 모의실험 13제 4 장 사례 분석 264.1 자료 소개 264.2 제안 알고리즘 적합 27제 5 장 결론 35참고문헌 36
최근 본 자료
댓글(0)
0