모형 기반 하이브리드 의사결정나무

Abstract

의사결정나무는 주어진 예측 변수 공간을 여러 개의 단순한 사각 형태의 공간으로 분할해가면서 목표 대상을 분류하거나 예측할 수 있다. 의사결정나무는 사용이 용이하며, 이해하고 설명하기 쉬운 구조를 지니고 있다. 하지만 서포트 벡터 머신과 같이 수직선 혹은 수평선 형태와 비교해 훨씬 복잡한 결정 경계를 지닌 분석 기법에 비해 예측 정확도가 상대적으로 낮다는 단점을 가지고 있다. 본 연구에서는 유연한 결정 경계를 가지는 의사결정나무 방법론을 제안한다. 뿌리 마디에서부터 유연한 결정 경계를 지니는 기법을 적용하여 예측 정확도를 향상시킨다. 또한, 이는 나무 모형의 크기도 줄여준다.