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
- 학술저널
- 저자정보
- 발행연도
- 2021.11
- 수록면
- 1,329 - 1,341 (13page)
- DOI
- 10.7465/jkdi.2021.32.6.1329
이용수
초록· 키워드
오류제보하기
단순 베이즈 분류는 반응변수가 주어졌을 때 설명변수들이 조건부 독립이라는 단순 베이즈 가정에 기반한다. 비록 단순 베이즈 가정은 다소 강한 가정이지만 단순 베이즈 분류기는 고차원 데이터에서 합리적인 성능과 계산상의 이점을 보이고 있다. 고차원 데이터에는 보통 많은 잡음 변수들이 있기 때문에 변수선택은 분류기의 예측의 정확도와 해석을 향상시킬 수 있다. 이 논문에서는 단순 베이즈 분류에서 FDR (false discovery rate) 조절에 기반한 범주형 변수선택법을 제안한다. 모의실험과 실제 데이터 분석을 통해 제안한 방법과 변화점 분석에 기반한 또 다른 변수선택법과 비교하며 제안한 방법이 특히 희박한 혹은 고차원 데이터에 대하여 더 효율적임을 보인다.
목차
요약
1. 서론
2. 분석 방법론
3. 모의실험
4. 실제 데이터 분석
5. 결론
References
Abstract
참고문헌 (20)
참고문헌 신청
안치경 / 2018 / 혼합정규분포를 가정한 조건부 상호정보의 준모수적추정량을 이용한 고차원 자료에서의 변수선택 / 한국데이터정보과학회지 29(6):1339~1351
Askari, A. / 2019 / Na¨ıve featureselection: Sparsity in na¨ıve Bayes / arXiv:1905.098842v2
Benjamini, Y. / 1995 / Controlling the false discovery rate : A practical and powerful approach to multiple testing / Journal of the Royal Statistical Society Series B 57:289~300
Benjamini, Y. / 2001 / The control of the false discovery rate in multiple testing under dependency / Annals of Statistics 29:1165~1188
Choi, B. J. / 2014 / Variable selection for na¨ıve Bayes semisupervised learning / Communications in Statistics-Simulation and Computation 43:2702~2713
Askari, A. / 2019 / Na¨ıve featureselection: Sparsity in na¨ıve Bayes / arXiv:1905.098842v2
Benjamini, Y. / 1995 / Controlling the false discovery rate : A practical and powerful approach to multiple testing / Journal of the Royal Statistical Society Series B 57:289~300
Benjamini, Y. / 2001 / The control of the false discovery rate in multiple testing under dependency / Annals of Statistics 29:1165~1188
Choi, B. J. / 2014 / Variable selection for na¨ıve Bayes semisupervised learning / Communications in Statistics-Simulation and Computation 43:2702~2713
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
단순 베이즈 분류에서의 범주형 변수의 선택
응용통계연구
2015 .06
-
고차원 선형 및 로지스틱 호귀모형에 대한 변분 베이즈 방법 소개
응용통계연구
2022 .06
-
Default Bayesian one sided testing for the shape parameter in the log-logistic distribution
한국데이터정보과학회지
2015 .12
-
Bayes tests of independence for contingency tables from small areas
한국데이터정보과학회지
2017 .01
-
베이즈 정보 기준을 활용한 분할-정복 벌점화 분위수 회귀
응용통계연구
2022 .04
-
일반화된 제1종 복합 중도절단에서 와이블 분포의 추정
Journal of The Korean Data Analysis Society
2016 .01
-
Naive Bayes classifiers boosted by sufficient dimension reduction: applications to top-k classification
CSAM(Communications for Statistical Applications and Methods)
2022 .09
-
How to Improve Classical Estimators via Linear Bayes Method?
CSAM(Communications for Statistical Applications and Methods)
2015 .11
-
텍스트마이닝을 이용한 D대학교 서술형 강의평가 내용분석
Journal of The Korean Data Analysis Society
2021 .12
-
Default Bayesian testing for scale parameters in the log-logistic distributions
한국데이터정보과학회지
2015 .12
-
앙상블 비모수적 변수 선택 방법
Journal of The Korean Data Analysis Society
2023 .04
-
Default Bayesian testing equality of scale parameters in several inverse Gaussian distributions
한국데이터정보과학회지
2015 .06
-
Bayesian one-sided hypothesis testing for shape parameter in half exponential power distribution
한국데이터정보과학회지
2020 .01
-
초고차원 다범주분류를 위한 변수선별 방법 비교 연구
응용통계연구
2017 .10
-
약물동태학 모형에 대한 변분 베이즈 방법
응용통계연구
2021 .02
-
이산형 자료 예측을 위한 베이지안 네트워크 분류분석기의 성능 비교
응용통계연구
2020 .06
-
A pooled Bayes test of independence using restricted pooling model for contingency tables from small areas
CSAM(Communications for Statistical Applications and Methods)
2022 .09
-
기하분포에 기초한 관리도에서 베이즈추정량과 최대우도추정량 사용의 성능 비교
응용통계연구
2015 .10
-
혼합정규분포를 가정한 조건부 상호정보의 준모수적 추정량을 이용한 고차원 자료에서의 변수선택
한국데이터정보과학회지
2018 .11
-
고차원 빅데이터 분석을 위한 통계모형 개발
한국데이터정보과학회지
2020 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-041-000042627