불균형 자료의 분류분석을 위한 가중 L1-norm SVMWeighted L1-Norm Support Vector Machine for the Classification of Highly Imbalanced Data
- Other Titles
- Weighted L1-Norm Support Vector Machine for the Classification of Highly Imbalanced Data
- Authors
- 김은경; 전명식; 방성완
- Issue Date
- 2015
- Publisher
- 한국통계학회
- Keywords
- 불균형 자료; 라소; 선형계획법; 릿지; 서포트 벡터 머신; Imbalanced data; lasso; linear programming; ridge; support vector machine
- Citation
- 응용통계연구, v.28, no.1, pp.9 - 21
- Indexed
- KCI
- Journal Title
- 응용통계연구
- Volume
- 28
- Number
- 1
- Start Page
- 9
- End Page
- 21
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/96074
- ISSN
- 1225-066X
- Abstract
- SVM은 높은 수준의 분류 정확도와 유연성을 바탕으로 다양한 분야의 분류분석에서 널리 사용되고 있다. 그러나 집단별 개체수가 상이한 불균형 자료의 분류분석에서 SVM은 다수집단으로 편향되게 분류함수를 추정하므로 소수집단의 분류 정확도가 심각하게 감소하게 된다. 불균형 자료의 분류분석을 위하여 집단별 오분류 비용을 차등 적용하는 가중 L2-norm SVM이 개발되었으나, 이는 릿지 형태의 벌칙함수를 사용하므로 분류함수의 추정에서 불필요한 잡음변수의 제거에는 효율적이지 못하다. 따라서 본 논문에서는 라소 형태의 별칙함수를 사용하고 훈련개체의 오분류 비용을 차등적으로 부여함으로서 불균형 자료의 분류분석에서 변수선택의 기능을 지니는 가중 L1-norm SVM을 제안하였으며, 모의실험과 실제자료의 분석을 통하여 제안한 방법론의 효율적인 성능과 유용성을 확인하였다.
- 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.