초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

서포트 벡터 머신(Support Vector Machines)은 분류문제에서 뛰어난 성능을 가지고 있는데 특별히 고차원의 자료에도 매우 효과적이어서 다양한 분야에서 많이 사용되고 있는 방법이다. 그러나 서포트 벡터 머신은 다른 분류기 보다 이상치에 매우 민감한 단점을 가지고 있어서 이에 대한 해결책으로 ...

서포트 벡터 머신(Support Vector Machines)은 분류문제에서 뛰어난 성능을 가지고 있는데 특별히 고차원의 자료에도 매우 효과적이어서 다양한 분야에서 많이 사용되고 있는 방법이다. 그러나 서포트 벡터 머신은 다른 분류기 보다 이상치에 매우 민감한 단점을 가지고 있어서 이에 대한 해결책으로 손실함수(Loss Function)를 이용해 이상치의 효과를 줄이는 방법이 주로 연구되어 왔다.
본 논문에서는 서포트 벡터 머신에서 이상치를 탐색하기 위한 영향력 측도로 쿡 통계량(Cook's Distance)을 처음으로 제안하였으며 이는 소거법(Deletion Method)과 무한소 교란법(Infinitesimal Perturbation Method)에 근거하여 유도되었고, 진단의 기본 구축 통계량인 잔차와 지렛값으로 표현하였다. 또한, 진단의 기본 도구로 활용할 수 있는 예각차 손실함수(Acute Angle Difference Loss)를 제안하였다. 제안된 쿡 통계량과 예각차 손실함수는 가상 자료와 실제 자료에서 성공적으로 이상치 탐색을 수행하였음을 확인하였다.

주제어