선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 러 한 연구들은 첫째, NN 앙상블이나 SVM 앙상블의 성과 저하의 원인을 분석 하고 둘째, 전통적 인 앙상블 학습과는 차별화된 학습전략을 이용하여 앙상블 학습의 성과를 개선하는데 초점을 맞추고 있다. 마지 막으로, 이 러 한 연구 결과를 기초로 각 분류자의 일반적 학습 특성 및 향후 앙상블 학습에 고려해야 할 요인에 대한 통찰력을 제공하는 것을 목적으로 하고 있다. 본 연구에서는 전통적 인공신경망 분류자와 앙상블 학습의 대표적 기법인 부스팅 알고리즘을 부실예측 문제에 적용하여 성과 측면에서 각 분류자들의 효과를 분석 하고자 한다.
- 본 연구에서는 7개 재무비율 사이의 다중 공선 성의 존재 여부를 확인하기 위하여 분산팽창요인(Variance Inflation Factors: VIF) 분석 을 실 시 하였다. VIF는 회 귀 계수 추정 치 의 분산이 이 상적 인 경 우(서 로 직 교하는 경 우) 에 비해 얼마만큼 계수 추정치들의 분산이 팽창하는가를 알려주는 척도이며, k번째 변수의 VIF는 다음과 같이 계산된다.
- 본 연구에서는 부실예측 인공신경망의 성과개선을 위하여 부스팅 기법과 인공신경망이 결합된 부스팅 인공신경망을 제안하였다. 실험결과들은 부스팅 인공신경망은 10개의 다양한 인공신경망의 성과를 안정적으로 개선하였고 과도적합에 대한 견고성을 강화하였음을 보여주고 있다, 그러나본 연구의 결과를 다양한 분야에 적용하기 위하여 향후데이터 특성에 따른부스팅 기법 의 효과와 같은 심층 분석 이 추가되 어 야 한다.
- 마지 막으로, 이 러 한 연구 결과를 기초로 각 분류자의 일반적 학습 특성 및 향후 앙상블 학습에 고려해야 할 요인에 대한 통찰력을 제공하는 것을 목적으로 하고 있다. 본 연구에서는 전통적 인공신경망 분류자와 앙상블 학습의 대표적 기법인 부스팅 알고리즘을 부실예측 문제에 적용하여 성과 측면에서 각 분류자들의 효과를 분석 하고자 한다.
- 앙상블 학습은 여 러 개 의 분류자로 구성 된 분류자 앙상블을 생성하여 단일 분류자의 정확성을 개선하기 위한 목적 으로 제 안된 학습방법 이 다. 앙상블 학습을 하는 이유는 단일 분류자만으로는 학습이 어려운 복잡한 패턴들을 여러 개의 하위 패턴으로 나누어 효과적인 학습을 진행할 수 있으며 여러 하위 패턴에 대한학습 결과를 결합하여 단일 분류자 보다 정확한 예측 결과를 제공하기 때문이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.