연속형 반응변수를 위한 데이터마이닝 방법 성능 향상 연구A study for improving data mining methods for continuous response variables
- Other Titles
- A study for improving data mining methods for continuous response variables
- Authors
- 최진수; 이석형; 조형준
- Issue Date
- 2010
- Publisher
- 한국데이터정보과학회
- Keywords
- 배깅; 부스팅; 앙상블; 의사결정나무; Bagging; boosting; decision tree; ensemble
- Citation
- 한국데이터정보과학회지, v.21, no.5, pp.917 - 926
- Indexed
- KCI
- Journal Title
- 한국데이터정보과학회지
- Volume
- 21
- Number
- 5
- Start Page
- 917
- End Page
- 926
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/117992
- ISSN
- 1598-9402
- Abstract
- 배깅과 부스팅의 기법은 예측력을 향상 시킨다고 알려져 있다. 이는 비교 실험을 통하여 성능이 검증 되었는데, 목표변수가 범주형인 경우에 특정 의사결정나무 알고리즘인 회귀분류나무만 주로 고려되었다. 본 논문에서는 의사결정나무 외에도 다른 데이터마이닝 방법도 고려하여 목표변수가 연속형인 경우에 배깅과 부스팅 기법의 성능 검증을 위한 비교 실험을 실시하였다. 구체적으로, 데이터마이닝 알고리즘 기법인 선형회귀, 의사결정나무, 신경망에 배깅 및 부스팅 앙상블 기법을 결합하여 8개의 데이터를 비교 분석하였다. 실험 결과로 연속형 자료에 대한 여러 데이터마이닝 알고리즘에도 배깅과 부스팅의 기법이 성능 향상에 도움이 되는 것으로 확인되었다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Political Science & Economics > Department of Statistics > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.