$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

변수선택 편향이 없는 회귀나무를 만들기 위한 알고리즘
Regression Trees with. Unbiased Variable Selection 원문보기

응용통계연구 = The Korean journal of applied statistics, v.17 no.3, 2004년, pp.459 - 473  

김진흠 (수원대학교 자연과학대학 통계정보학과) ,  김민호 (수원대학교 자연과학대학 통계정보학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 Breiman 등(1984)의 전체탐색법이 갖고 있는 변수선택 편향을 극복할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘은 노드의 분리 변수를 선택하는 단계와 그 선택된 변수에 대해서만 이진분리를 위한 분리점을 찾는 단계로 나뉘어져 있다. 예측변수가 연속형 일 때는 스피어만의 순위상관계수에 의한 검정을 수행하고, 범주형일 때는 크루스칼-왈리스의 통계량에 의한 검정을 수행하여 통계적으로 가장 유의한 변수를 분리변수로 선택하였고 Breiman 등(1984)의 전체탐색법을 그 변수에만 적용하여 노드의 분리기준을 정하였다 모의실험 연구를 통해 Breiman등(19히)의 CART와 제안한 알고리즘을 변수선택 편의, 변수선택력파 평균제곱오차 측면에서 서로 비교하였다. 아울러 두 알고리즘을 실제 자료에 적용하여 효율을 서로 비교하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It has well known that an exhaustive search algorithm suggested by Breiman et. a1.(1984) has a trend to select the variable having relatively many possible splits as an splitting rule. We propose an algorithm to overcome this variable selection bias problem and then construct unbiased regression tre...

주제어

#변수선택력   #변수선택 편의   #피어만의 순위상관계수   #크루스칼-왈리스 검정  

참고문헌 (11)

  1. 송문섭, 윤영주 (2001). 데이터마이닝 패키지에서 변수선택 편의에 관한 연구, . 14, 475-486 

    원문보기 상세보기

  2. 이승천, 허문열 (2003). 혼합자료에서 독립성 검정에 의한 연관성 측정, , 16, 151-167 

    원문보기 상세보기 crossref

  3. Breiman, L. (1996). Bagging predictors, Machine Learning, 24, 123-140 

    상세보기

  4. Breiman, L., Friedman, J. H., Olshen, R. A., and Stone, C. (1984). Classification and Regression Trees, Wadsworth, Belmont 

  5. Eubank, R. L., Lariccia, V. N., and Rosenstein, R. B. (1987). Test statistics derived as components of Pearson's Phi-squared distance measure, Journal of the American Statistical Association, 82, 816-825 

    상세보기 crossref

  6. Kim, G. V. and Loh, W. (2001). Classification trees with unbised multiway splits, Journal of the American Statistical Association, 96, 589-604 

    상세보기 crossref

  7. Lee, Y. M. and Song, M. S. (2002). A study on unbiased methods in constructing Classification trees, The Korean Communications in Statistics, 9, 809-824 

    원문보기 상세보기 crossref

  8. Loh, W. (2002). Regression trees with unbiased variable selection and interaction detection, Statistica Sinica, 12, 361-386 

    상세보기

  9. Loh, W. and Shih, Y. (1997). Split selection methods for classification trees, Statistica Sinica, 7, 815-840 

    상세보기

  10. Loh, W. and Vanichsetakul, N. (1988). Tree-structured classification via generalized discriminant analysis (with discussion), Journal of the American Statistical Association, 83, 715-728 

    상세보기 crossref

  11. Randles, R. H. and Wolfe, D. A. (1979). Introduction to The Theory of Nonparametric Statistics, John Wiley and Sons, New York 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로