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
- 본 연구에서는 관측치의 개수와 예측력, 그리고 유효성 등 룰의 다양한 정보를 균형 있게 반영하여 룰의 중요도를 평가할 수 있는 척도를 제안하였다. 실제 데이터에 적용한 결과, 기존 라플라스와 WRACC 기법보다 의사결정나무로부터 생성된 룰의 특성을 잘 고려한 선택을 했음을 확인할 수 있었다.
- 다만 룰을 생성하는 다른 데이터마이닝 기법에서 룰의 중요도를 결정하는 기법들이 제안되었는데 대표적으로 연관성 분석이다. 연관성 분석에서 사용된 룰 중요도 기법을 의사결정나무 모델에도 그대로 적용해 볼 수 있으나 몇몇 문제점이 발견되었고 따라서 본 연구에서는 이러한 문제점을 보완하여 의사결정나무 모델에 효과적으로 적용할 수 있는 룰 선택기법을 제안하였다.
제안 방법
- 각 룰별로 가중치, 지지도, 신뢰도, 향상도를 산출하고 이 값들을 모두 곱하여 최종적으로 WSCL를 산출하였다. [Table 8]은 각 룰에 대한 가중치, 지지도, 신뢰도, 향상도이며 [Table 9]는 WSCL와 그에 따른 중요도 순위를 나타내고 있다.
- 또한, 뛰어난 해석력이 장점인 만큼 생성된 룰의 정확한 중요도 파악을 반드시 필요하다. 그러나 각 룰이 분류정확도, 포함하고 있는 관측치 개수, 통계적 유의성 등 수많은 정보를 담고 있음에도 불구하고 기존의 연구에서는 분류정확도만을 사용하여 룰의 중요도를 평가하였다. 연관성 분석에서 룰 평가 척도로 사용되는 라플라스와 WRACC를 의사결정나무 모델을 통해 생성된 룰에 적용하여 중요도를 평가하였으나 다양한 정보를 균형 있게 반영하는데 한계점이 존재하였다.
- 전체 데이터 셋을 70 : 30으로 나누어 각각 학습데이터 셋과 테스트 데이터 셋으로 활용하였으며 Depth는 학습 에러와 테스트 에러를 최소화시키는 ‘5’로 설정하였다.
- 제안하는 알고리즘의 성능을 입증하기 위해 실제 데이터에 적용해 보았다. 실험에서 사용된 데이터 셋은 총 7개이며, 모두 UCI ML Repository(http://archive.
- 따라서 각 그래프에서 두 곡선에서 점과 점 사이의 거리를 계산하여 총 합을 구한 결과, 라플라스는 298, WRACC 는 206, WSCL은 96으로 제안하는 알고리즘인 WSCL에서 거리의 합이 가장 작았다. 제안하는 평가 척도인 WSCL 성능의견고함을 평가하기 위해, 보다 많은 데이터에 위와 동일한 과정의 실험을 적용하였다. [Table 11]은 앞서 설명한 ‘Adult’ 데이터 셋을 포함한 총 7개의 데이터 셋에 대하여 각 평가척도별 거리를 나타내고 있다.
- 본 연구에서는 기존 연관규칙 분석에서 사용되는 지지도 (Support), 신뢰도(Confidence), 향상도(Lift)의 개념을 바탕으로 룰 중요도 평가 척도를 제안했으며, 실제 데이터를 통해 제안 룰 중요도 평가방법에 대한 유용성을 입증하였다. 즉, 분류 정확도에만 의존하여 룰의 중요도를 평가했던 기존 방법과 달리 다양한 정보를 균형 있게 반영하여 룰의 중요도를 평가할 수 있는 척도를 제안하였다. 이는 의사결정나무 모델을 통해 생성된 룰의 중요도를 평가할 수 있는 최초의 기법이라고 하겠다.
- 본 연구결과는 의사결정나무를 활용하는 연구 및 실무 사례에서 효율적이고 정확한 결과해석 및 의사결정에 도움을 줄 수 있을 것이다. 하지만 본 연구는 분류정확도와 관측치의 개수를 통해서만 제안하는 방법의 성능을 평가하였다. 추후 룰의 유효성 및 예측정확도 등 다양한 관점에서 알고리즘의 일반적인 효용성에 대한 평가가 이루어져야 하겠다.
대상 데이터
- 제안하는 알고리즘의 성능을 입증하기 위해 실제 데이터에 적용해 보았다. 실험에서 사용된 데이터 셋은 총 7개이며, 모두 UCI ML Repository(http://archive.ics.uci.edu/ml/)로부터 얻은 데이터 셋이다. 그 중, ‘Adult’ 데이터 셋은 상세한 실험 결과를 설명하기 위해 사용되었다.
데이터처리
- 기존의 룰 중요도 평가척도인 라플라스와 WRACC의 실험 결과와 본 연구에서 제안하는 WSCL의 실험결과를 비교하였다. [Table 10]은 각 평가척도를 통한 중요도 순위이다.
이론/모형
- 아래 간단한 예제를 통해 기존 룰 중요도 결정 방법의 문제점을 설명해 보도록 하겠다. 기존에는 룰에 대한 중요도를 평가하는 기준으로 분류정확도(Accuracy)를 사용하였다(Safavian et al., 1991). 식 (1)에서 Nall 은 룰에 해당하는 전체 관측치 개수를 나타내며 Ncorr는 룰에 해당하는 관측치 중 옳게 분류된 관측치의 개수를 나타낸다.
- 의사결정나무 알고리즘 중 CART 알고리즘을 사용하여 의사결정나무를 생성하였다(Breiman et al., 1984). 전체 데이터 셋을 70 : 30으로 나누어 각각 학습데이터 셋과 테스트 데이터 셋으로 활용하였으며 Depth는 학습 에러와 테스트 에러를 최소화시키는 ‘5’로 설정하였다.
성능/효과
- 그러나 WRACC는 잘못 분류된 관측치의 개수까지 포함하여 가중치를 주기 때문에 단순히 관측치를 많이 포함하고 있는 룰이 중요하다고 선택 될 수 있다. [Figure 3(c)]는 본 연구에서 제안하는 WSCL을 통한 결과로써 분류정확도와 옳게 분류한 관측치 비율이 위의 두 방법보다 균형 있게 고려되었다는 것을 확인할 수 있다. 즉, 분류정확도와 옳게 분류한 관측치의 누적비율을 적절히 고려하여 산출된 결과는 두 값의 차이가 작아야 한다.
- 7개 중, 3개의 데이터 셋에서는 WRACC의 거리가 가장 짧으나 WSCL의 결과와 거의 차이가 없다. 7개 데이터 셋에 대한 각 평가 척도 별 평균 거리 비교 결과 WSCL, 라플라스, WRACC 순서로 거리가 짧았다. 즉 WSCL의 거리가 기존의 평가척도와 비교했을 때, 평균적으로 거리가 짧으므로 이는 제안 알고리즘의 효용성과 우수성을 보여주는 결과라고 하겠다.
- 7개 중, 4개의 데이터 셋에서 WSCL의 거리가 가장 짧으며 이는 WSCL을 통한 중요 룰 선택 결과가 예측 정확도와 옳게 분류한 관측치 개수를 가장 균형 있게 반영한 결과라 해석할 수 있다. 7개 중, 3개의 데이터 셋에서는 WRACC의 거리가 가장 짧으나 WSCL의 결과와 거의 차이가 없다. 7개 데이터 셋에 대한 각 평가 척도 별 평균 거리 비교 결과 WSCL, 라플라스, WRACC 순서로 거리가 짧았다.
- 정확한 비교를 하기위해서, 거리는 각 데이터의 룰의 개수에 따라 정규화 시킨 결과를 나타내었다. 7개 중, 4개의 데이터 셋에서 WSCL의 거리가 가장 짧으며 이는 WSCL을 통한 중요 룰 선택 결과가 예측 정확도와 옳게 분류한 관측치 개수를 가장 균형 있게 반영한 결과라 해석할 수 있다. 7개 중, 3개의 데이터 셋에서는 WRACC의 거리가 가장 짧으나 WSCL의 결과와 거의 차이가 없다.
- 그래프를 통해 룰이 포함하고 있는 전체 관측치 개수에 따른 라플라스 값의 변화를 살펴볼 수 있다. 관측치 개수가 25개 미만일 경우에는 기존 분류정확도와 라플라스의 차이가 확연히 들어나는 것을 확인할 수 있으며, 이는 모든 관측치를 옳게 구분하여 분류정확도가 100%일지라도 전체 관측치의 개수가 약 25개 이하일 때에는 낮은 라플라스 결과 값을 갖게 된다. 그러나 25개 이상의 관측치를 포함하는 룰에 대해서는 모두 95% 이상의 높은 라플라스 결과 값을 갖게 되며 관측치의 개수가 증가하면 할수록 기존 분류정확도와 라플라스 결과 값의 차이가 거의 나타나지 않아 라플라스 적용의 의미가 사라지게 된다.
- 관측치 개수가 25개 미만일 경우에는 기존 분류정확도와 라플라스의 차이가 확연히 들어나는 것을 확인할 수 있으며, 이는 모든 관측치를 옳게 구분하여 분류정확도가 100%일지라도 전체 관측치의 개수가 약 25개 이하일 때에는 낮은 라플라스 결과 값을 갖게 된다. 그러나 25개 이상의 관측치를 포함하는 룰에 대해서는 모두 95% 이상의 높은 라플라스 결과 값을 갖게 되며 관측치의 개수가 증가하면 할수록 기존 분류정확도와 라플라스 결과 값의 차이가 거의 나타나지 않아 라플라스 적용의 의미가 사라지게 된다.
- 즉, 분류정확도와 옳게 분류한 관측치의 누적비율을 적절히 고려하여 산출된 결과는 두 값의 차이가 작아야 한다. 따라서 각 그래프에서 두 곡선에서 점과 점 사이의 거리를 계산하여 총 합을 구한 결과, 라플라스는 298, WRACC 는 206, WSCL은 96으로 제안하는 알고리즘인 WSCL에서 거리의 합이 가장 작았다. 제안하는 평가 척도인 WSCL 성능의견고함을 평가하기 위해, 보다 많은 데이터에 위와 동일한 과정의 실험을 적용하였다.
- 본 연구에서는 기존 연관규칙 분석에서 사용되는 지지도 (Support), 신뢰도(Confidence), 향상도(Lift)의 개념을 바탕으로 룰 중요도 평가 척도를 제안했으며, 실제 데이터를 통해 제안 룰 중요도 평가방법에 대한 유용성을 입증하였다. 즉, 분류 정확도에만 의존하여 룰의 중요도를 평가했던 기존 방법과 달리 다양한 정보를 균형 있게 반영하여 룰의 중요도를 평가할 수 있는 척도를 제안하였다.
- 본 연구에서는 관측치의 개수와 예측력, 그리고 유효성 등 룰의 다양한 정보를 균형 있게 반영하여 룰의 중요도를 평가할 수 있는 척도를 제안하였다. 실제 데이터에 적용한 결과, 기존 라플라스와 WRACC 기법보다 의사결정나무로부터 생성된 룰의 특성을 잘 고려한 선택을 했음을 확인할 수 있었다. 본 연구결과는 의사결정나무를 활용하는 연구 및 실무 사례에서 효율적이고 정확한 결과해석 및 의사결정에 도움을 줄 수 있을 것이다.
- 제 2장에서는 룰의 중요도 평가와 관련된 기존 연구에 대해 기술하였고, 제 3장은 본 연구에서 제안하는 알고리즘에 대하여 설명하였다. 제 4장은 제안 알고리즘을 실제 데이터에 적용한 결과를 보여주고 기존 방법과 비교하여 성능의 우수성을 입증하였다. 마지막으로 제 5장에서는 본 연구의 요약을 통해 결론을 맺었다.
- 7개 데이터 셋에 대한 각 평가 척도 별 평균 거리 비교 결과 WSCL, 라플라스, WRACC 순서로 거리가 짧았다. 즉 WSCL의 거리가 기존의 평가척도와 비교했을 때, 평균적으로 거리가 짧으므로 이는 제안 알고리즘의 효용성과 우수성을 보여주는 결과라고 하겠다.
후속연구
- 실제 데이터에 적용한 결과, 기존 라플라스와 WRACC 기법보다 의사결정나무로부터 생성된 룰의 특성을 잘 고려한 선택을 했음을 확인할 수 있었다. 본 연구결과는 의사결정나무를 활용하는 연구 및 실무 사례에서 효율적이고 정확한 결과해석 및 의사결정에 도움을 줄 수 있을 것이다. 하지만 본 연구는 분류정확도와 관측치의 개수를 통해서만 제안하는 방법의 성능을 평가하였다.
- 하지만 본 연구는 분류정확도와 관측치의 개수를 통해서만 제안하는 방법의 성능을 평가하였다. 추후 룰의 유효성 및 예측정확도 등 다양한 관점에서 알고리즘의 일반적인 효용성에 대한 평가가 이루어져야 하겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.