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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김명종 (부산대학교) 조성임 (부산대학교) 유경민 (부산대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제32권 제4호
발행연도
2022.8
수록면
346 - 358 (13page)
DOI
10.5391/JKIIS.2022.32.4.346

이용수

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

초록· 키워드

오류제보하기
범주 불균형 문제는 분류 모형의 예측성과에 부정적인 영향을 미치는 문제로 이를 해결하기 위한 다양한 접근 방법이 제안되어 왔다. 본 연구는 기업부실 예측문제에서 범주 불균형 문제에 적용된 AdaBoost 앙상블의 성과를 개선하기 위한 기하평균 최적화 기반의 부스팅 알고리즘인 GMOPTBoost를 제안한다. GMOPTBoost는 가우시안 경사하강법을 적용하여 기저 분류기에 할당된 최적의 가중치 집합을 탐색하여 예측 모형의 성과를 최적화한다. 범주 불균형이 AdaBoost 앙상블 학습의 예측성과에 미치는 효과와 GMOPTBoost의 성과 개선 효과를 검증하기 위하여 불균형 비율이 상이한 4개의 표본 군을 구성하여 10-fold 교차타당성 검증을 3회 수행한 결과는 다음과 같다. 첫째, 범주 불균형 문제는 예측성과에 부정적인 영향을 미친다. 불균형 비율이 증가할수록 모형의 예측 성과가 감소한다. 둘째, GMOPTBoost는 불균형 데이터에 적용된 AdaBoost의 성과를 1% 유의수준에서 개선시키는 긍정적인 효과를 제공한다. 셋째, AdaBoost의 성과와 비교하여 GMOPTBoost는 보다 안정적인 예측 성과를 보여주었다.

목차

요약
Abstract
1. 서론
2. 연구 배경 및 선행연구 고찰
3. 학습 알고리즘
4. 연구방법론
5. 결론
References

참고문헌 (36)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-003-001624929