Comparative experiment of Machine Learning Performance of Logistic Regression and Support Vector Machines

Yoon-Tae Oh; Sang-Chul Kim

Comparative experiment of Machine Learning Performance of Logistic Regression and Support Vector Machines

Recommendations

Search

Questions

로지스틱 회귀와 서포트벡터머신의 머신러닝 알고리즘 성능 비교 실험

Type: Proceeding

Author: Yoon-Tae Oh (국민대학교) Sang-Chul Kim (국민대학교)

Journal: Korea Institute Of Communication Sciences Proceedings of Symposium of the Korean Institute of communications and Information Sciences 2019년도 한국통신학회 하계종합학술발표회 논문집

Published: 2019.6

Pages: 1,403 - 1,403 (1page)

Usage

📌

Topic: 본 논문에서는 로지스틱 회귀와 서포트 벡터 머신 두 가지 알고리즘의 성능을 비교 평가하는 실험을 진행하였다.

📖

Background: 이 연구의 목적은 두 알고리즘의 학습시간, 분류시간, 분류정확도를 데이터 크기별로 실험하여 비교 평가하고, 이를 통해 머신러닝 모델을 만들 때 알고리즘 선택의 기준으로 활용할 수 있는 정보를 제공하는 것이다.

🔬

Method: 호주의 기상관측소에서 수집된 기상정보를 표본 데이터로 사용하여, 5,000개, 10,000개, 30,000개, 100,000개의 크기별 데이터를 생성하고, 각 데이터 크기에서 학습시간, 분류시간, 분류정확도를 측정하여 비교 실험을 진행하였다.

🏆

Result: 비교 실험 결과, 로지스틱 회귀는 학습 및 분류시간에서 빠른 성능을 보였고, SVM은 더 높은 정확도를 기록했지만 두 알고리즘 모두 좋은 성능을 나타냈다.

Comparative experiment of Machine Learning Performance of Logistic Regression and Support Vector Machines

Research history (2)

2019

Comparative experiment of Machine Learning Performance of Logistic Regression and Support Vector Machines

Yoon-Tae Oh , Sang-Chul Kim Proceedings of Symposium of the Korean Institute of communications and Information Sciences 2019.06 Proceeding

오윤태 컴퓨터공학과 2019.01 Thesis

Are you curious about the follow-up research of this article?
You can check more advanced research results through related academic papers or academic presentations.
Check the research history of this article

Abstract· Keywords

Report Errors

No content found

AI Summary

Topic

본 논문에서는 로지스틱 회귀와 서포트 벡터 머신 두 가지 알고리즘의 성능을 비교 평가하는 실험을 진행하였다.

Background

이 연구의 목적은 두 알고리즘의 학습시간, 분류시간, 분류정확도를 데이터 크기별로 실험하여 비교 평가하고, 이를 통해 머신러닝 모델을 만들 때 알고리즘 선택의 기준으로 활용할 수 있는 정보를 제공하는 것이다.

Method

호주의 기상관측소에서 수집된 기상정보를 표본 데이터로 사용하여, 5,000개, 10,000개, 30,000개, 100,000개의 크기별 데이터를 생성하고, 각 데이터 크기에서 학습시간, 분류시간, 분류정확도를 측정하여 비교 실험을 진행하였다.

Result

비교 실험 결과, 로지스틱 회귀는 학습 및 분류시간에서 빠른 성능을 보였고, SVM은 더 높은 정확도를 기록했지만 두 알고리즘 모두 좋은 성능을 나타냈다.

주요내용

No content found

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

오윤태

Affiliation 국민대학교

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering

Articles 2 Usage 565

김상철

Affiliation 국민대학교

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering TOP 5% Engineering > Computer Science

Articles 170 Usage 9,247

Frequently Viewed Together

A Study on the ECG Feature Extraction Method based on the Support Vector Machine

Hyeok-Jae Lee , Kyung-Jin Min , Sang-Yeop Lee and others 5 INFORMATION AND CONTROL SYMPOSIUM 2020 .10

A Study on the Augmentation Method for MNIST Dataset Classification

Songmin Chung , Jun , yeol Jeon 한국정보과학회 학술발표논문집 2021 .06

Prediction Of Traffic Accident Casualties Using Machine Learning : For Seoul Public Data

Myung-woo Nam , Doo-Seo Pa , k and others 2 Proceedings of the Korean Society of Computer Information Conference 2021 .01

Learning algorithms for big data logistic regression on RHIPE platform

Byung Ho Jung , Dong Hoon Lim Journal of the Korean Data And Information Science Society 2016 .08

Fine-Grain Weighted Logistic Regression Model

Chang-Hwan Lee Journal of the Institute of Electronics and Information Engineers 2016 .09

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Research history (2)

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Related Authors

Frequently Viewed Together

Recently viewed articles

Comments(0)