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.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2016.4
- 수록면
- 4,688 - 4,692 (5page)
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
Diabetes is one of the major chronic diseases. The death rate from diabetes is more and more increasing, so causing the financial burdens of the nation to increase. Because chronic diseases, if occur, require continuous management and they are hard to be completely cured, it is important to predict its occurrence in advance. Our goal is to make diabetes risk prediction model based on machine learning techniques using database established by Korean National Health Insurance Corporation. The procedure to build the prediction model consists of two phases, i.e., ‘variable selection’ to find significant factors of diabetes and ‘learning classifier’ to learn a statistical risk prediction model. For the former, we apply correlationbased feature selection, minimum redundancy maximum relevance, classification and regression tree (CART) variable importance, and support vector machine (SVM)-recursive feature elimination. On the other hand, we apply logistic regression, linear discriminant analysis, CART, naïve Bayes (NB), and SVM for the latter. For the purpose of comparison, we conducted numerical experiments for the combinations of each variable selection method and classifier. As a result, the variable selection methods give somewhat consistent results. In the result of performance comparison, no significant difference has been observed among 5 classifiers except NB which showed poor performance.
목차
Abstract
1. Introduction
2. Methods: Variable Selection
3. Methods: Classification
4. Data and Pre-Processing
5. Result
6. Conclusion
7. Acknowledgement
8. Reference
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Evaluating Variable Selection Techniques for Linear Regression
한국경영과학회 학술대회논문집
2016 .04
-
Study of Personal Credit Risk Assessment Based on SVM
산경연구논집
2022 .10
-
How authors select covariates in the multivariate analysis of cancer studies in 10 oncology journals in Korea: a descriptive study
Science Editing
2024 .02
-
CART를 이용한 주가결정요인분석과 주가예측 : 코스피 200을 중심으로
경영과학
2018 .03
-
An improved feature selection based on the effective range minimizing redundancy among features for multi-class data
한국경영과학회 학술대회논문집
2015 .04
-
Failure Prediction for South African Companies
경영과 정보연구
2022 .09
-
Multi-Class SVM+MTL for the Prediction of Corporate Credit Rating with Structured Data
Asia pacific journal of information systems
2015 .01
-
회귀분석에서 다중 기준 함수를 이용한 모델 선택과 공간회귀모델 적용 연구 - 충청권 10개 도시의 인구성장률 영향요인에 대한 실증 분석 -
주거환경
2022 .09
-
특징선택 알고리즘을 활용한 암호화폐 영향요인 탐색
인터넷전자상거래연구
2019 .10
-
An efficient and effective look-ahead split selection method for model trees using logistic regression
한국경영과학회 학술대회논문집
2016 .04
-
Feature selection based on rough set theory using feature space decomposition for mixed-type data
한국경영과학회 학술대회논문집
2016 .04
-
제조 산업의 자동화 시스템의 품질 분석 결과 정확도 향상을 위한 데이터 특징선택 (Feature selection)과 SVM적용 사례 연구
한국경영과학회 학술대회논문집
2016 .04
-
국가기초구역을 이용한 범죄예측모델 : 안양시 사례를 중심으로
한국경영과학회지
2017 .11
-
전통 통계분석기법과 머신러닝을 활용한 대졸자의 진로상태 분류 예측모델 비교분석
취업진로연구
2024 .03
-
An Analysis of the Machine Learning Model-Based Dem and Prediction for Public Bike Sharing Services in Seoul
e-비즈니스연구
2023 .06
-
머신러닝 기반 신체 계측정보를 이용한 CT 피폭선량 예측모델 비교
방사선기술과학
2020 .01
-
머신러닝과 딥러닝을 활용한 물류기업 신용등급 예측 모형 연구
한국관세학회 학술대회
2023 .05
-
기업부도예측과 기계학습
金融工學硏究
2019 .01
-
판별분석에 의한 외식기업 부실예측모형의 예측력 평가
관광경영연구
2018 .01
-
머신러닝을 활용한 TV 오디션 프로그램의 우승자 예측 모형 개발: 프로듀스X 101 프로그램을 중심으로
지식경영연구
2019 .01
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-020-000857279