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.
이용수
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
The purpose of variable selection techniques is to select a subset of relevant variables for a particular learning algorithm in order to improve the accuracy of prediction model and improve the efficiency of the model. We conduct an empirical analysis to evaluate and compare seven well-known variable selection techniques for multiple linear regression model, which is one of the most commonly used regression model in practice. The variable selection techniques we apply are forward selection, backward elimination, stepwise selection, genetic algorithm (GA), ridge regression, lasso (Least Absolute Shrinkage and Selection Operator) and elastic net. Based on the experiment with 49 regression data sets, it is found that GA resulted in the lowest error rates while lasso most significantly reduces the number of variables. In terms of computational efficiency, forward/backward elimination and lasso requires less time than the other techniques.
목차
1. 서론
2. 다중선형회귀분석(Multiple Linear Regression)
3. 변수선택법(Variable Selection)
4. 실험 설계
5. 변수선택법 평가
6. 결론
참고문헌
참고문헌 (20)
참고문헌 신청
[단행본] - Bellman, R. E. / 2015 / Adaptive Control Processes : A Guided Tour / Princeton university press
[학술지(정기간행물)] - Blum, A. L. / 1997 / Selection of relevant features and examples in machine learning / Artificial Intelligence 97 (1) : 245 ~ 271
[단행본] - Chatterjee, S. / 2015 / Regression Analysis by Example / John Wiley and Sons
[학술지(정기간행물)] - Fernández-Delgado, M. / 2014 / Do we need hundreds of classifiers to solve real world classification problems / J. Mach. Learn. Res 15 (1) : 3133 ~ 3181
[학술지(정기간행물)] - Guyon, I. / 2003 / An introduction to variable and feature selection / The Journal of Machine Learning Research 3 : 1157 ~ 1182
[학술지(정기간행물)] - Blum, A. L. / 1997 / Selection of relevant features and examples in machine learning / Artificial Intelligence 97 (1) : 245 ~ 271
[단행본] - Chatterjee, S. / 2015 / Regression Analysis by Example / John Wiley and Sons
[학술지(정기간행물)] - Fernández-Delgado, M. / 2014 / Do we need hundreds of classifiers to solve real world classification problems / J. Mach. Learn. Res 15 (1) : 3133 ~ 3181
[학술지(정기간행물)] - Guyon, I. / 2003 / An introduction to variable and feature selection / The Journal of Machine Learning Research 3 : 1157 ~ 1182
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Evaluating Variable Selection Techniques for Linear Regression
대한산업공학회 춘계공동학술대회 논문집
2016 .04
-
유전자 발현량 데이터의 Lasso 회귀 분석 시 부트스트랩을 통한 변수선택 안정화
한국정보과학회 학술발표논문집
2016 .12
-
Prediction of diabetes occurrence using variable selection and classification methods
대한산업공학회 춘계공동학술대회 논문집
2016 .04
-
Feature selection method influencing response variables based on machine learning
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
Multi-Task Variable Subset Selection for Multi-Output Regression
대한산업공학회 춘계공동학술대회 논문집
2018 .04
-
Diagnosis of Alzheimer’s Disease using Wrapper Feature Selection Method
스마트미디어저널
2023 .04
-
Subset selection in multiple linear regression : An improved Tabu search
Journal of Advanced Marine Engineering and Technology (JAMET)
2016 .02
-
A hybrid variable selection algorithm for multi-layer perceptron with nonnegative garrote and extremal optimization
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
확률적 비유사성 벡터를 활용한 변수선택기법
신뢰성응용연구
2021 .03
-
A novel feature selection technique for improving wearable activity recognition
한국정보과학회 학술발표논문집
2015 .06
-
주행의도 판단을 위해 Sequential Backward Selection을 이용한 최적의 특징값 선정 방법
한국자동차공학회 추계학술대회 및 전시회
2019 .11
-
LASSO 알고리즘을 이용한 유전자 발현데이터의 분류 분석
정보 및 제어 논문집
2019 .10
-
안정적 유전자 특징 선택을 위한 유전자 발현량 데이터의 부트스트랩 기반 Lasso 회귀 분석
정보과학회 컴퓨팅의 실제 논문지
2017 .09
-
LASSO 회귀 모델 기반 터보팬 엔진 결함 검출 기법
한국항공우주학회 학술발표회 초록집
2024 .11
-
상관관계 기반에 의한 특성선택 기법을 활용한 신용등급 요인 분석 : 코스피 상장 제조업 기업을 중심으로
한국컴퓨터정보학회논문지
2016 .04
-
Genetic Algorithm과 Elastic Net을 이용한 주행 상황별 하이브리드 차량 연비 영향 인자 선정
한국자동차공학회 추계학술대회 및 전시회
2022 .11
-
풍속 예측을 위한 선형회귀분석과 비선형회귀분석 기법의 비교 및 인자분석
한국지능시스템학회 논문지
2015 .10
-
Use of Artificial Bee Swarm Optimization (ABSO) for Feature Selection in System Diagnosis for Coronary Heart Disease
Journal of information and communication convergence engineering
2023 .06
-
모델 기반 선택 기준을 이용한 소프트웨어 메트릭 및 도구 선택 방법
한국정보과학회 학술발표논문집
2017 .06
-
음악선호도 분석을 위한 Feature Selection 및 k-means 기법의 적용
한국정보과학회 학술발표논문집
2015 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
실시간 수위 예측을 위한 다중선형회귀 모형의 비교
최승용
,
한건연
,
김병현
대한토목학회논문집 B
2012
.01
도시인구성장의 추정에 관한 인과모형에 있어서 데이타의 다공선성문제의 해결 : 주성분회귀를 중심으로
박성복
한국행정논집
1991
.12
연관 규칙 분석을 활용한 ARS 추천 메뉴 시스템 연구
류기동
,
김종명
,
금영정
외 2명
한국정보기술학회논문지
2016
.03
주성분회귀분석을 활용한 다항회귀분석 성능개선 : PGF 수치역변환 사례를 중심으로
양원석
,
박현민
한국콘텐츠학회논문지
2015
.01
국제결혼 이주여성의 사회문화 적응에 관한 연구
최운선
아시아여성연구
2007
.05
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-530-001340005