[논문]격자탐색법을 이용한 의사결정나무 분석 최적 모형 선택 : 직장예비군 지휘관의 직장만족도에 대한 영향 요인 분석을 중심으로

정철우; 정원영; 신다윗

doi:10.7737/jkorms.2015.40.2.019

격자탐색법을 이용한 의사결정나무 분석 최적 모형 선택 : 직장예비군 지휘관의 직장만족도에 대한 영향 요인 분석을 중심으로
Selection of the Optimal Decision Tree Model Using Grid Search Method : Focusing on the Analysis of the Factors Affecting Job Satisfaction of Workplace Reserve Force Commanders 원문보기

한국경영과학회지 = Journal of the Korean Operations Research and Management Science Society, v.40 no.2, 2015년, pp.19 - 29

정철우 (한국국방연구원) , 정원영 (한국국방연구원) , 신다윗 (한국국방연구원)

Abstract ▼ AI-Helper

The purpose of this study is to suggest the grid search method for selecting an optimal decision tree model. It chooses optimal values for the maximum depth of tree and the minimum number of observations that must exist in a node in order for a split to be attempted. Therefore, the grid search method guarantees building a decision tree model that shows more precise and stable classifying performance. Through empirical analysis using data of job satisfaction of workplace reserve force commanders, we show that the grid search method helps us generate an optimal decision tree model that gives us hints for the improvement direction of labor conditions of Korean workplace reserve force commanders.

주제어

AI 본문요약
AI-Helper

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

문제 정의

먼저, 일반직장예비군 지휘관과 대학직장예비군 지휘관의 직장만족도에 있어 유의한 차이가 존재하는지에 대한 차이 검정 결과를 기술한다. 그리고 그러한 차이에 영향을 미치는 요소에 대한 의사결정나무 분석 결과를 제시한다.
본 장에서는 본 연구에서 실시한 설문조사 분석 결과를 기술한다. 먼저, 일반직장예비군 지휘관과 대학직장예비군 지휘관의 직장만족도에 있어 유의한 차이가 존재하는지에 대한 차이 검정 결과를 기술한다. 그리고 그러한 차이에 영향을 미치는 요소에 대한 의사결정나무 분석 결과를 제시한다.
직장예비군은 다시 [그림 1]에 보는 바와 같이 일반직장예비군, 대학직장예비군, 국가기관 직장예비군, 국가중요시설 직장예비군, 어민예비군, 선박 예비군 6가지 유형으로 세분화된다. 본 연구는 이중에서 부대 수 기준으로 가장 큰 비중을 차지하는 일반직장예비군과 대학직장예비군 부대¹⁾ 소속 지휘관의 직장만족도 차이를 분석하는 데 중점을 두고 진행되었다.
그러다보니 직장에 따라 직장예비군 지휘관에 대한 처우가 매우 상이하게 되는 현상이 발생하였고, 이점에 있어서 개선의 요구가 국회, 국가인권위원회, 국방부 등을 통해 지속적으로 제기되었다. 본 연구는 일반직장예비군 지휘관과 대학직장예비군 지휘관들을 대상으로 설문조사를 하여 그들의 직장만족도를 측정하고 분석하였다. 이를 통해 직장예비군 지휘관의 처우 개선에 대한 요구가 타당성을 가지는지를 살펴보았고, 아울러 어떠한 점에 있어 개선이 시급한지에 대해 분석하고자 하였다.
이러한 배경 하에 본 연구가 시작되었다. 본 연구는 일반직장예비군 지휘관과 대학직장예비군 지휘관을 중심으로 그들의 직장만족도를 분석함으로써 첫째, 직장예비군의 종류에 따라 지휘관의 직장 만족도에 있어 차이가 존재하는지를 확인하고, 둘째, 직장예비군 지휘관의 직장만족도가 어떠한 부분에서 가장 큰 차이를 나타내는지 탐색하며, 셋째, 그 결과를 토대로 직장예비군 지휘관의 처우 개선을 위한 방향을 설정하고자 하였다.
본 연구에서는 나무의 크기를 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수를 조정함으로써 통제하였다. 최대 뿌리 깊이가 크면 클수록 나무의 크기는 커지는 경향이 있고, 각 노드에서 분리 가능한 최소 개체 수가 크면 클수록 나무의 크기는 작아지는 경향이 있다.
본 연구는 일반직장예비군 지휘관과 대학직장예비군 지휘관들을 대상으로 설문조사를 하여 그들의 직장만족도를 측정하고 분석하였다. 이를 통해 직장예비군 지휘관의 처우 개선에 대한 요구가 타당성을 가지는지를 살펴보았고, 아울러 어떠한 점에 있어 개선이 시급한지에 대해 분석하고자 하였다. 이에 대한 좀 더 자세한 기술은 제 2장에서 다루었다.
그럼에도 의사결정나무 분석을 응용한 많은 연구에서 모형의 안정성을 확보하기 위한 과정을 찾아보기가 쉽지 않았다. 이에 본 연구에서는 의사결정나무 분석의 한계점으로 거론되는 모형의 불안정성을 극복 하기 위한 방안으로 격자탐색법을 이용한 가지치기 방법을 제시하였다. 또한 실제 데이터를 이용하여 그 타당성을 실증하였다.
이에 본 연구에서는 최대 뿌리 깊이와 각 노드에서의 분리 가능한 최소 개체 수에 대한 최적 값을 선정함으로써 궁극적으로 의사결정나무 분석의 안정적 모형을 구축하기 위한 방법으로 격자탐색법(grid search method)을 제안하고 실증 데이터를 이용하여 그 타당성을 보이고자 하였고, 이 점에서 본 연구의 방법론적 측면에서의 의의를 찾을 수가 있다.
본 연구의 또 다른 의의는 국방 분야의 정책적 측면에서 찾을 수 있다. 즉, 본 연구는 직장예비군 지휘관의 처우에 있어서의 개선 방향 설정을 위한 근거를 마련하는 데 그 의의가 있다. 현재 직장예비군 지휘관은 국방부장관이 임면권을 가지고 보수는 직장의 장이 지급하는 방식으로 관리되고 있다.

제안 방법

② 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수 각각에 대해 실험하고자 하는 p개와 q개의 수치를 대안으로 설정한다.
훈련용 데이터로 이용했던 9개 그룹에 대해서도 돌아가면서 1개 그룹씩 테스트용 데이터로 이용하고 테스트용 데이터를 제외한 나머지 9개 그룹은 훈련용 데이터로 이용하였다. 다음으로, 최대 뿌리 깊이는 2부터 1씩 증가시켜 최대 5까지 설정하였고, 각 노드에서 분리 가능한 최소 잎 수는 10부터 5씩 증가시켜 최대 40까지 설정하였다. 마지막으로, 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수의 조합 각각에 대해 테스트용 데이터 10개 세트의 오분류율(misclassification rate) 을 산출하여 그 평균과 표준편차를 계산하였다.
요컨대, 본 연구에서는 최대 뿌리 깊이가 2이고, 각 노드에서 분리 가능한 최소 개체 수가 10일 때 모형이 가장 안정적이고도 높은 분류정확도를 나타내었다. 따라서 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수에 대한 최적 값을 각각 2와 10으로 하여 최적 모형을 설계하였다.
이에 본 연구에서는 의사결정나무 분석의 한계점으로 거론되는 모형의 불안정성을 극복 하기 위한 방안으로 격자탐색법을 이용한 가지치기 방법을 제시하였다. 또한 실제 데이터를 이용하여 그 타당성을 실증하였다. 실증분석 결과, 최대 뿌리 깊이와 각 노드에서의 분리 가능한 최소 개체 수의 조합이 달라짐에 따라 모형의 오분류율 평균과 표준편차가 상이하게 나타나는 것을 확인할 수 있었고, 오분류율과 표준편차가 모두 가장 낮게 나타나는 최대 뿌리 깊이 및 각 노드에서의 분리 가능한 최소 개체 수의 조합을 선택함으로써 최적의 의사결정나무 분석 모형을 구축할 수 있었다.
모형의 목표변수는 직장예비군 지휘관의 구분, 즉 일반직장예비군 지휘관인지 대학직장예비군 지휘관 인지의 여부로 설정하였고, 설명변수는 앞에서 기술한 만족도 지표 24개로 설정하였다.
일반직장예비군 지휘관과 대학직장예비군 지휘관의 직장만족도의 차이를 분석하였다. 이를 위해 직장에 대한 전반적 만족도를 측정하는 문항과 지역예비군 지휘관에 대한 상대적 불만족을 측정하는 문항을 통해 직장예비군 지휘관의 만족도를 측정하였다. <표 2>와 <표 3>은 그 결과를 정리한 것이다.
일반직장예비군 지휘관과 대학직장예비군 지휘관의 직장만족도의 차이를 분석하였다. 이를 위해 직장에 대한 전반적 만족도를 측정하는 문항과 지역예비군 지휘관에 대한 상대적 불만족을 측정하는 문항을 통해 직장예비군 지휘관의 만족도를 측정하였다.
각 설문 문항에 대해결측치에 대해서는 분석에서 제외하였다. 주된 설문조사 내용은 크게 두 가지로 구분되는데 하나는 직장예비군 지휘관의 직장만족도에 대한 설문이고, 다른 하나는 직장예비군 지휘관의 직장만족도에 영향을 주는 요인에 대한 설문이었다.

대상 데이터

‘자아 성취감’, ‘직속상사’, ‘업무 환경 및 직장의 방침’, ‘동료와의 관계’, ‘급여’, ‘업무 부하’ 등 6개 영역에 대한 총 24개 측정 지표들이 선정되었다.
• Step 4 : 설문조사를 통해 얻어진 데이터를 이용하여 독립표본 t-검정을 수행하여 지표별로 일반 직장예비군 지휘관과 대학직장예비군 지휘관 사이에 통계적으로 유의한 차이가 나는지를 확인하였다. 그 결과, 유의수준 0.05에서 통계적으로 유의한 차이를 나타내는 24개 지표를 선정하였다.
본 연구의 설문조사는 2013년 11월 20일부터 12월 6일까지 전국 직장예비군 지휘관을 대상으로 실시하였고, 국방동원정보체계에 설문지를 올린 후이메일 또는 팩스로 응답을 받는 방식으로 진행하였다. 전체 805명 중 229명이 응답하였는데 이 중에서 일반직장예비군 지휘관은 138명, 대학직장예비군 지휘관은 91명이었다.
모형의 복잡성을 통제하기 위해 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수에 대한 최적 값을 격자탐색법을 이용하여 추정하였다. 우선, 전체 데이터를 무작위로 10개의 그룹으로 나눈후, 9개의 그룹은 모형 구축을 위한 훈련용 데이터(train set)로 이용하고, 나머지 1개 그룹은 구축된 모형의 성과를 테스트하기 위한 데이터(test set)로 이용하였다. 훈련용 데이터로 이용했던 9개 그룹에 대해서도 돌아가면서 1개 그룹씩 테스트용 데이터로 이용하고 테스트용 데이터를 제외한 나머지 9개 그룹은 훈련용 데이터로 이용하였다.
본 연구의 설문조사는 2013년 11월 20일부터 12월 6일까지 전국 직장예비군 지휘관을 대상으로 실시하였고, 국방동원정보체계에 설문지를 올린 후이메일 또는 팩스로 응답을 받는 방식으로 진행하였다. 전체 805명 중 229명이 응답하였는데 이 중에서 일반직장예비군 지휘관은 138명, 대학직장예비군 지휘관은 91명이었다. 각 설문 문항에 대해결측치에 대해서는 분석에서 제외하였다.
우선, 전체 데이터를 무작위로 10개의 그룹으로 나눈후, 9개의 그룹은 모형 구축을 위한 훈련용 데이터(train set)로 이용하고, 나머지 1개 그룹은 구축된 모형의 성과를 테스트하기 위한 데이터(test set)로 이용하였다. 훈련용 데이터로 이용했던 9개 그룹에 대해서도 돌아가면서 1개 그룹씩 테스트용 데이터로 이용하고 테스트용 데이터를 제외한 나머지 9개 그룹은 훈련용 데이터로 이용하였다. 다음으로, 최대 뿌리 깊이는 2부터 1씩 증가시켜 최대 5까지 설정하였고, 각 노드에서 분리 가능한 최소 잎 수는 10부터 5씩 증가시켜 최대 40까지 설정하였다.

데이터처리

• Step 4 : 설문조사를 통해 얻어진 데이터를 이용하여 독립표본 t-검정을 수행하여 지표별로 일반 직장예비군 지휘관과 대학직장예비군 지휘관 사이에 통계적으로 유의한 차이가 나는지를 확인하였다.
다음으로, 최대 뿌리 깊이는 2부터 1씩 증가시켜 최대 5까지 설정하였고, 각 노드에서 분리 가능한 최소 잎 수는 10부터 5씩 증가시켜 최대 40까지 설정하였다. 마지막으로, 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수의 조합 각각에 대해 테스트용 데이터 10개 세트의 오분류율(misclassification rate) 을 산출하여 그 평균과 표준편차를 계산하였다.<표 6> 및 [그림 2]는 그 결과를 정리한 것이다.

이론/모형

모형의 복잡성을 통제하기 위해 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수에 대한 최적 값을 격자탐색법을 이용하여 추정하였다. 우선, 전체 데이터를 무작위로 10개의 그룹으로 나눈후, 9개의 그룹은 모형 구축을 위한 훈련용 데이터(train set)로 이용하고, 나머지 1개 그룹은 구축된 모형의 성과를 테스트하기 위한 데이터(test set)로 이용하였다.
본 연구에서는 이 중에서도 CART 알고리듬을 이용하여 의사결정나무 모형을 구축하였다. CART 알고리듬은 지니 계수(gini index) 또는 분산의 감소량을 이용하여 이진분리(binary split)를 수행한다.
최대 뿌리 깊이가 크면 클수록 나무의 크기는 커지는 경향이 있고, 각 노드에서 분리 가능한 최소 개체 수가 크면 클수록 나무의 크기는 작아지는 경향이 있다. 최대 뿌리 깊이와각 노드에서 분리 가능한 최소 개체 수에 대한 적절한 값을 선정하기 위해 본 연구에서는 격자탐색법(grid search method)을 이용하였다.

성능/효과

급여 또는 상대적 급여 등의 지표가 있었음에도 급여 산정 기준이 첫 번째 분류 변수로서 선택된 것은 주목할 만한 부분이다. 대학직장예비군 지휘관은 일반직장예비군 지휘관에 비해 급여 산정 기준의 명확성에 대해 동의하지 않는 비율이 높게 나타났다. 이는 대학직장예비군 지휘관의 처우 개선 시 가장 중요한 것이 급여 산정을 위한 합리적인 기준을 마련하고, 이 기준에 따라 급여를 산정하는 것임을 의미한다.
둘째, 대학직장예비군 지휘관은 일반직장예비군 지휘관에 비해 급여 산정 기준의 명확성에 대한 동의 정도 뿐 아니라 승진 기회에 대한 인식 정도 역시 매우 낮은 수준을 나타내고 있다. 이는 급여 산정 기준도 명확하지 않고 승진 기회조차 거의 없는 대학직장예비군 지휘관의 처한 현실이 잘 반영된 결과이다.
<표 2>에 보듯이 일반직장예비군 지휘관이 대학직장예비군 지휘관에 비해 직장에 대한 전반적 만족도에 있어 평균적으로 높은 수준을 기록하였다. 또한 지역예비군 지휘관에 대한 상대적 불만족은 일반직장예비군 지휘관에 비해 대학직장예비군 지휘관이 평균적으로 더 높은 수준을 기록하였다. 이러한 차이에 대한 t-검정 결과, <표 3>에 보는 바와 같이 전반적 만족도에 대해서는 t-통계량이 -9.
우선, 일반직장예비군 지휘관과 대학직장예비군 지휘관 사이에 직장만족도에 있어 유의한 차이가 존재하는 것으로 판명되었다. 또한, 대학직장예비군 지휘관의 직장만족도를 제고하기 위해서는 급여 산정에 대한 합리적 기준을 마련하는 것이 가장 시급하며, 고용 형태의 개선 또한 필요하다는 것을 확인할 수 있었다.
또한 실제 데이터를 이용하여 그 타당성을 실증하였다. 실증분석 결과, 최대 뿌리 깊이와 각 노드에서의 분리 가능한 최소 개체 수의 조합이 달라짐에 따라 모형의 오분류율 평균과 표준편차가 상이하게 나타나는 것을 확인할 수 있었고, 오분류율과 표준편차가 모두 가장 낮게 나타나는 최대 뿌리 깊이 및 각 노드에서의 분리 가능한 최소 개체 수의 조합을 선택함으로써 최적의 의사결정나무 분석 모형을 구축할 수 있었다.
요컨대, 본 연구에서는 최대 뿌리 깊이가 2이고, 각 노드에서 분리 가능한 최소 개체 수가 10일 때 모형이 가장 안정적이고도 높은 분류정확도를 나타내었다. 따라서 최대 뿌리 깊이와 각 노드에서 분리 가능한 최소 개체 수에 대한 최적 값을 각각 2와 10으로 하여 최적 모형을 설계하였다.
본 연구의 분석을 통해 직장예비군 지휘관의 처우 개선을 위한 정책적 방향에 대해서는 다음과 같은 결론을 얻을 수 있었다. 우선, 일반직장예비군 지휘관과 대학직장예비군 지휘관 사이에 직장만족도에 있어 유의한 차이가 존재하는 것으로 판명되었다. 또한, 대학직장예비군 지휘관의 직장만족도를 제고하기 위해서는 급여 산정에 대한 합리적 기준을 마련하는 것이 가장 시급하며, 고용 형태의 개선 또한 필요하다는 것을 확인할 수 있었다.
첫째, 일반직장예비군 지휘관과 대학직장예비군 지휘관 사이에 가장 큰 차이를 보이는 직장만족도 영향 지표는 급여 산정 기준의 명확성에 대한 동의 정도이다. 급여 또는 상대적 급여 등의 지표가 있었음에도 급여 산정 기준이 첫 번째 분류 변수로서 선택된 것은 주목할 만한 부분이다.

후속연구

이와 같은 기여점에도 불구하고 본 연구는 격자탐색법의 타당성 확보라는 측면에서 다음과 같은 한계가 있으며 이를 보완하기 위한 후속 연구가 필요함을 밝혀둔다. 먼저, 격자탐색법의 적용에 있어 본 연구에서는 직장예비군 지휘관 대상의 설문조사를 통해 얻어진 데이터를 이용하였는데 이의 타당성을 확보 하기 위해서는 보다 다양한 데이터에 적용하는 것이 필요하다. 향후 연구에서는 보다 다양한 분야의 다양한 데이터를 이용하여 격자탐색법을 이용한 의사결정나무 분석 모형을 구축하고 그 타당성을 밝힐 필요가 있다.
먼저, 격자탐색법의 적용에 있어 본 연구에서는 직장예비군 지휘관 대상의 설문조사를 통해 얻어진 데이터를 이용하였는데 이의 타당성을 확보 하기 위해서는 보다 다양한 데이터에 적용하는 것이 필요하다. 향후 연구에서는 보다 다양한 분야의 다양한 데이터를 이용하여 격자탐색법을 이용한 의사결정나무 분석 모형을 구축하고 그 타당성을 밝힐 필요가 있다. 또한, 격자탐색법의 방법론적 타당성을 확보하기 위해서는 의사결정나무 분석 모형의 선정을 위한 기존의 방법론과 그 성과를 비교하여 보여줄 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	의사결정나무 분석이란 무엇인가?	의사결정나무 분석(Decision Tree Analysis)은 분류 또는 예측을 위한 데이터마이닝 기법 중의 하나로서 방법론적인 측면에서 여러 장점을 가지고 있다. 무엇보다 의사결정나무 분석은 그 결과가 나무구조로 표현되기 때문에 연구자가 쉽게 해석할수 있고 다른 이들에게 쉽게 설명할 수 있다는 장점이 있다.
	의사결정나무 분석의 결과가 나무구조로 표현되기 때문에 갖는 장점은 무엇인가?	의사결정나무 분석(Decision Tree Analysis)은 분류 또는 예측을 위한 데이터마이닝 기법 중의 하나로서 방법론적인 측면에서 여러 장점을 가지고 있다. 무엇보다 의사결정나무 분석은 그 결과가 나무구조로 표현되기 때문에 연구자가 쉽게 해석할수 있고 다른 이들에게 쉽게 설명할 수 있다는 장점이 있다. 또한 의사결정나무 분석은 변수에 대한선형성(linearity), 정규성(normality) 등의 가정을 필요로 하지 않고 연속형 변수와 범주형 변수를 모두 취급할 수 있다는 장점이 있다.
	두 가지 분류 정책을 통해 얻을 수 있는 정책적 시사점은 무엇인가?	첫째, 일반직장예비군 지휘관과 대학직장예비군 지휘관 사이에 가장 큰 차이를 보이는 직장만족도 영향 지표는 급여 산정 기준의 명확성에 대한 동의 정도이다. 급여 또는 상대적 급여 등의 지표가 있었음에도 급여 산정 기준이 첫 번째 분류 변수로서 선택된 것은 주목할 만한 부분이다. 대학직장예비군 지휘관은 일반직장예비군 지휘관에 비해 급여 산정 기준의 명확성에 대해 동의하지 않는 비율이 높게 나타났다. 이는 대학직장예비군 지휘관의 처우 개선 시 가장 중요한 것이 급여 산정을 위한 합리적인 기준을 마련하고, 이 기준에 따라 급여를 산정하는 것임을 의미한다. 둘째, 대학직장예비군 지휘관은 일반직장예비군 지휘관에 비해 급여 산정 기준의 명확성에 대한 동의 정도 뿐 아니라 승진 기회에 대한 인식 정도 역시 매우 낮은 수준을 나타내고 있다. 이는 급여 산정 기준도 명확하지 않고 승진 기회조차 거의 없는 대학직장예비군 지휘관의 처한 현실이 잘 반영된 결과이다. 한편, 승진 기회가 적다는 것은 대학직장 예비군 지휘관의 대부분이 계약직으로 고용되는 사실과 관련이 깊다. 대학직장예비군 지휘관의 처우를 개선한다고 할 때 이러한 고용 형태에 있어서의 개선이 필요하다고 하겠다.

참고문헌 (21)

배재권, 김진화, "지식 결합을 이용한 서로 다른 모델들의 통합", 경영과학, 제24권, 제2호 (2007), pp.177-196.

원문보기 상세보기
이건창, 최 관, "감리지적기업의 분류적 특성에 관한 연구 : 베이지안 망과 C5.0, 그리고 앙상블 방법간의 비교를 중심으로", 경영학연구, 제36권, 제3호(2007), pp.705-737.
이성규, "의사결정나무분석을 통한 전문대학의 교원급여 결정구조에 관한 연구", 국제회계연구, 제9권(2003), pp.297-312.

상세보기
이승태, 김성신, "의사결정나무를 이용한 생물의 행동 패턴 구분과 인식", 퍼지 및 지능시스템학회, 제15권, 제6호(2005), pp.682-687.

원문보기 상세보기
조영빈, 김채복, "온라인 소매상점에서의 효과적인 고객 분류 방법론 : 의사결정나무 기법에의 적용", 대한경영학회지, 제19권, 제6호(2006), pp.2117-2134.

상세보기
정수미, 이건호, "제품별 구매고객 예측을 위한 인공신경망, 귀납규칙 및 IRANN 모형", 한국경영과학회지, 제30권, 제4호(2005), pp.117-130.

원문보기 상세보기
최종후, 서두성, "데이터마이닝 의사결정나무의 응용", 통계분석 연구, 제4권, 제1호(1999), pp.61-83.
Al-Rubaish, A.M., S.I.A. Rahim, M.S. Abumadini, and L. Wosornu, "Academic job satisfaction questionnaire : Construction and validation in Saudi Arabia," Journal of Family and Community Medicine, Vol.18, No.l(2011), pp.1-7.

상세보기
Berry, M.J. and G. Linoff, Data Mining Techniques : For Marketing, Sales, and Customer Relationship Management, John Wiley and Sons, New York, 2004.
Brayfield, A.H. and H.F. Rothe, "An index of job satisfaction," Journal of Applied Psychology, Vol.35(1951), pp.307-311.

상세보기
Breiman, L., J. Friedman, C.J. Stone, and R.A. Olshen, Classification and Regression Trees, CRC press, 1984.
Cass, M.H., O.L. Siu, E.B. Faragher, and C.L. Cooper, "A meta-analysis of the relationship between job satisfaction and employee health in Hong Kong," Stress and Health, Vol.19(2003), pp.79-95.

상세보기
Cooper, C.L., S.J. Sloan, and S. Williams, Occupational Stress Indicator : Management Guide, NFER-Nelson, Winsor, 1998.
Han, J., M. Kamber, and J. Pei, Data Mining : Concepts and Techniques, Elsevier, MA, 2012.
Hartigan, J.A., Clustering Algorithm, Wiley, New York, 1975.
Hsu, C.W., C.C. Chang, and C.J. Lin, A Practical Guide to Support Vector Classification, Techinical Report, Department of Computer Science and Information Engineering, National Taiwan University, 2004.
Kang, H.C., S.T. Han, and J.H. Choi, "Interpretation of data mining prediction model using decision tree," The Korean Communications in Statistics, Vol.7, No.3(2000), pp. 937-943.

원문보기 상세보기
Lee, Y.C., "Application of support vector machines to corporate credit rating prediction," Expert Systems with Applications, Vol.33, No.1(2007), pp.67-74.

상세보기
Min, J.H. and Y.C. Lee, "Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters," Expert Systems with Applications, Vol. 28, No.4(2005), pp.603-614.

상세보기
Weiss, D.J., R.V. Dawis, and G.W. England, Manual for the Minnesota Satisfaction Questionnaire, Minnesota Studies in Vocational Rehabilitation, 1967.
Quinlan, J.R., C4.5 : Programs for Machine Learning, Morgan Kaufmann, San Mateo, 1993.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format