$\require{mediawiki-texvc}$

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.

사상체질 임상자료 기반 의사결정나무 생성 알고리즘 비교
Comparison among Algorithms for Decision Tree based on Sasang Constitutional Clinical Data 원문보기

韓國韓醫學硏究院論文集 = Korean journal of oriental medicine, v.17 no.2 = no.32, 2011년, pp.121 - 127  

진희정 (한국한의학연구원) ,  이수경 (원광대학교 한의과대학 한방재활의학과) ,  이시우 (한국한의학연구원)

Abstract ▼ AI-Helper 아이콘AI-Helper

Objectives : In the clinical field, it is important to understand the factors that have effects on a certain disease or symptom. For this, many researchers apply Data Mining method to the clinical data that they have collected. One of the efficient methods for Data Mining is decision tree induction....

주제어

#Decision Tree   #Clinical Information  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 의사결정 나무의 주된 알고리즘들에 대해서 소개하고, 사상체질 임상정보를 이들 알고리즘으로 분석하여 그 결과들을 비교해봄으로써 사상체질 임상자료 분석에 알맞은 알고리즘들이 어떠한 것이 있는지를 알아보았다.
  • 본 연구에서는 사상체질 임상정보를 몇 가지 의사 결정 나무 알고리즘을 사용하여 그 결과 트리들을 비교해봄으로써 사상체질 임상자료 분석에 알맞은 의사 결정 나무 알고리즘을 찾아보려 하였다. 다양한 의사 결정 나무 기법을 사용하여 분석해본 결과, 본 연구에서 사용한 사상체질 임상자료에 대해서는 태음, 소음, 소양 3가지 체질을 분류하기 위해서는 C4.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
데이터마이닝은 무엇인가? 데이터마이닝(Data Mining)은 대용량의 자료들에서 체계적이고 자동적으로 통계적인 규칙이나 패턴들을 찾아내는 방법론이다. 1995년 지식발견 및 데이터 마이닝(KDD：Knowledge Discovery and Data Mining) 국제학술대회가 처음 개최된 이후, 현재 데이터마이닝에 대한 정의는 다양하게 제시되고 있다.
의사결정 나무나무는 데이터마이닝 분석의 대표적인 방법으로 주어진 데이터를 분류하는 목적으로 사용되는데 어떤 한계를 가지고 있는가? 즉, 분류 목표 변수가 범주형인 경우, 각각의 목표 값을 가지는 정보들의 패턴을 찾아서 분류를 하는 것이다. 따라서 목표변수가 범주형이 아닌 경우 특정 값을 예측할 수는 없다. 이러한 의사결정 나무의 기법들에는 다양한 방법들이 존재하며, 현재에도 여러 방법들이 공존하여 사용되고 있다.
의사결정 나무은 어떤 장점이 있는가? 이에 대표적인 방법이 의사결정 나무(Decision Tree)이다. 의사결정 나무는 집단의 구분에 널리 사용되며, 임상 자료 분석에 이를 사용할 경우 다양한 임상정보의 판별 요소를 함께 반영하는 동시에 임상 현장에서의 판단 과정과 가장 가까운 형태로 결과를 보여줌으로써 결과 해석에 용이한 장점이 있다5).
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Michael J. Berry, Gordon Linoff, Data Mining Techniques: For Marketing, Sales, and Customer Support, John Wiley & Sons,Inc, New York, USA:1997 

  2. Michael J. Berry, Gordon Linoff, Data Mining Techniques and Algorithms, John Wiley & Sons,Inc, New York, USA:2000 

  3. Gartner, www.gartner.com/ 

  4. Pieter Adriaans, Dolf Zantinge, Data Mining, Addison-Wesley:1996 

  5. 진희정, 김명근, 김종열, 사상체질 임상정보 분석을 위한 웹 기반의 의사결정 나무 프로그램 개발. 한국한의학연구원논문집, 2008:14(3):81-87. 

    원문보기 상세보기

  6. 신상훈, 김종열, 맥파를 이용한 사상체질의 진단에 있어서 분류방법에 따른 진단의 정확도 비교, 한국콘텐츠학회논문지, 2009:9(10):1-499 

    원문보기 상세보기

  7. 박은경, 이영섭, 박성식, 의사결정나무법을 이용한 체질진단에 관한 연구, 사상체질의학회, 2001:13(2):144-155 

  8. 박성식, 최재영, 의사결정나무법을 이용한 설문지의 응답특성에 대한 임상적 검토, 사상체질의학회, 2003:15(3):177186 

  9. SAS, http://www.sas.com 

  10. J. R. Quinlan, Induction of Decision Trees. Mach. Learn. 1986 

  11. Leo Breiman, Classification and Regression Trees, CHAPMAN& HALL,1984 

  12. Leo Breiman, Random Forests, Machine Learning, 2001:45(1):5-32. 

  13. J.R. Quinlan, C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers,1993 

  14. J.A. Hartigan, Clustering Algorithms, New York-Wiley, 1975 

  15. WEKA, http://www.cs.waikato.ac.nz/ml/weka/ 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

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