메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
편승희 (덕성여자대학교) 민대기 (덕성여자대학교)
저널정보
한국체육과학회 한국체육과학회지 한국체육과학회지 제30권 제1호 (자연과학 편)
발행연도
2021.2
수록면
1,035 - 1,042 (8page)
DOI
10.35159/kjss.2021.2.30.1.1035

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The logistic classification model is the most important and widely used representative algorithm in machine learning. The reason is that it is possible to interpret the results compared to other models. On the other hand, XGBoost of the decision tree class has the disadvantage of not being able to interpret the results like a black box or an excellent algorithm that has won several data learning contests such as Kaggle. Will have. The general approach to predictive models of machine learning has no significant difference from statistics or data mining, but its purpose is not interpretation of the model, but focuses on prediction, such as accuracy, so the most suitable method appears differently for each data. In order to overcome these shortcomings, each prediction model tries to interpret the model through function selection or contribution. The purpose of this study is to compare the logistic regression model most commonly used in classification models with the random forest and boosting models using unbalanced sports data to compare how predictive performance and functional importance of the model are different.
#Boosting #logistic regression #machine learning #random forest

목차

Abstract
Ⅰ. 서론
Ⅱ. 연구목적
Ⅲ. 연구목적과 방법
Ⅳ. 결론 및 논의
참고문헌

참고문헌 (6)

참고문헌 신청
박일수 / 2019 / 다수준 로지스틱 회귀분석을 이용한 비만 여부에 미치는 영향 / 한국데이터정보과학회지 30(1):205~217 dbpia 김아현 / 2020 / Random forest ensemble using a weight-adjusted voting algorithm / 한국데이터정보과학회지 31(2):427~438 google schola 김남진 / 2014 / 성장곡선을 이용한 한국여자프로골프의 경기력변화 연구 / 한국데이터정보과학회지 25(4):847~855 dbpia 민대기 / 2016 / 로지스틱회귀모형을 활용한 아동학대 가족의 연구 / 한국데이터정보과학회지 27(5):1327~1336 dbpia 박미애 / 2019 / 국외프로골퍼의 경기성적을 이용한 경기기술자료 연구 / 한국데이터정보과학회지 30(5):1147~1159 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

로지스틱 회귀분석, 랜덤포레스트, XGBoost를 이용한 우리나라 노인의 신체기능장애의 예측 모형 개발
변해원 한국웰니스학회 학술발표회 2021 .04
색상 필터와 딥러닝을 활용한 화재감지 구현
방한솔 ,  이주형 ,  최진구 한국정보기술학회논문지 2023 .10
랜덤 포레스트 회귀자를 이용한 판매예측 서비스
권소영 ,  김기진 ,  김지현 외 3명 한국정보과학회 학술발표논문집 2021 .06
오토인코더에 기반한 딥러닝을 이용한 사이버대학교 학생의 학업 성취도 예측 분석 시스템 연구
이현진 디지털콘텐츠학회논문지 2018 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-692-001567793