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
- 학위논문
- 저자정보
- 지도교수
- 김도훈
- 발행연도
- 2015
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수17
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
스마트 디바이스의 확산으로 인해 정보통신 서비스의 다양성과 양이 크게 증가하고 있다. 이에 따라 사용자의 니즈에 따른 디바이스의 선택의 폭도 넓어지고 디바이스 간 상호연동도 확장 되었다. 이러한 현상은 사용자의 콘텐츠 소비방식에 영향을 주는데, 그 중심에 있는 것 중의 하나가 N-스크린 서비스이다. 본 연구에서는 KISDI에서 제공한 미디어패널 데이터를 바탕으로, N-스크린 서비스 이용에 영향을 미치는 핵심 요인들을 찾는다.
정확한 예측력을 위해 학습용 집합(train data set)과 비교용 집합(test data set)을 나누어 분석하여 비교한다. 학습용 집합에 로지스틱 회귀분석(Logistic Regression; LR)과 CART(Classification and Regression Tree; CR)를 각각 이용하여 모형을 구축한 뒤, 비교용 집합에 적용시킨다. 두 모형의 예측력을 비교하기 위하여 ROC 곡선 분석과 Confusion Matrix를 이용한다.
그 결과, LR의 모형의 예측력이 CR 모형보다는 좋았지만, CR이 영향력있는 변수를 LR보다 적게 추출하였다. 이는 분석할 환경에 따라 적절한 분석 방법을 고려해야 할 것으로 판단된다. 본 연구는 향후 N-스크린 가입자 특성이나 행태적 요인 등을 규명하거나 이에 관련된 마케팅 전략이나 정책 개발에서 이들 요인을 적극적으로 고려할 필요가 있을 것이다.
정확한 예측력을 위해 학습용 집합(train data set)과 비교용 집합(test data set)을 나누어 분석하여 비교한다. 학습용 집합에 로지스틱 회귀분석(Logistic Regression; LR)과 CART(Classification and Regression Tree; CR)를 각각 이용하여 모형을 구축한 뒤, 비교용 집합에 적용시킨다. 두 모형의 예측력을 비교하기 위하여 ROC 곡선 분석과 Confusion Matrix를 이용한다.
그 결과, LR의 모형의 예측력이 CR 모형보다는 좋았지만, CR이 영향력있는 변수를 LR보다 적게 추출하였다. 이는 분석할 환경에 따라 적절한 분석 방법을 고려해야 할 것으로 판단된다. 본 연구는 향후 N-스크린 가입자 특성이나 행태적 요인 등을 규명하거나 이에 관련된 마케팅 전략이나 정책 개발에서 이들 요인을 적극적으로 고려할 필요가 있을 것이다.
목차
제 1 장 서 론제 1 절 연구 배경 1제 2 절 문헌 연구 5제 2 장 연구 모형의 방법과 분석제 1 절 연구 방법 141. 데이터 소개 142. 연구개요 16제 2 절 연구모형 분석 171. 로지스틱 회귀분석의 접근 방법 172. ROC Curve 분석 223. Confusion Matrix 244. CART의 접근 방법 26제 3 절 연구모형 진단 301. 과적합 문제 302. 교차 검증법 312.1 K겹 교차검증 312.2 붓스트랩 323. 앙상블 기법 333.1 배깅 333.2 부스팅 33제 3 장 연구 결과제 1 절 연구결과 35제 2 절 결론 및 한계점 36참고문헌 37부 록 42ABSTRACT 45
최근 본 자료
댓글(0)
0