최빈값 추정을 위한 의사결정나무

초록

의사결정나무는 분류 규칙을 기반으로 데이터를 재귀적으로 분할하여 예측을 수행하는 데이터 마이닝 방법론 중 하나이다. 나무 구조를 통해 분석 결과를 이해할 수 있어 예측력뿐만 아니라 높은 해석력을 동시에 갖는 장점이 있다. 또한 반응변수와 설명변수 간 비선형 상관관계에도 사용이 가능한 장점 때문에 많은 분야에서 활용되고 있다. 하지만 예측 목적이 반응변수의 최빈값인 경우, 기존에 제안된 의사결정나무를 적용할 수 없다는 한계가 있다. 본 연구는 커널 밀도 추정 방법을 의사결정나무 모형에 접목하여 새로운 형태의 최빈값 의사결정나무(modal decision tree) 모형을 정의한다. 모의실험은 4가지 모형으로 진행하였으며 설명변수와 반응변수가 선형 및 비선형 상관관계일 때, 데이터의 크기별로 결과를 비교하였다. 모의실험 결과를 통해 데이터가 선형 상관관계인 경우, 본 논문에서 제안하는 최빈값 의사결정나무 모형과 기존에 제안된 최빈값 선형 회귀(modal linear regression: MODLR)모형과 성능이 비슷하게 보이는 반면 데이터가 비선형 상관관계인 경우, 본 논문에서 제안하는 최빈값 의사결정나무 모형 성능이 더 우수함을 보인다.

키워드