최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기지적과 국토정보 = Journal of cadastre & land informatix, v.46 no.2, 2016년, pp.43 - 55
This study estimated land prices using instance-based learning. A k-nearest neighbor method was utilized among various instance-based learning methods, and the 10 distance metrics including Euclidean distance were calculated in k-nearest neighbor estimation. One distance metric prediction which show...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
앙상블 개념을 실행할 수 있는 일반적인 알고리즘은? | 이와 같은 앙상블 개념을 실행할 수 있는 앨고리듬은 다양한데, 일반적으로 접하게 되는 앨고리듬이 배깅(bagging)과 부스팅(boosting)이다. 배깅은 데이터로부터 일부 데이터를 복원 추출하여, 즉 부트스트랩(bootstrap)을 통해 여러 개(예를 들어 100개)의 부분 데이터 집합(subset data)을 만들어 내고, 이러한 부분 데이터 집합에 모형을 100번 적합하여 예측값을 각각 계산한다. | |
배깅 알고리즘의 원리는? | 이와 같은 앙상블 개념을 실행할 수 있는 앨고리듬은 다양한데, 일반적으로 접하게 되는 앨고리듬이 배깅(bagging)과 부스팅(boosting)이다. 배깅은 데이터로부터 일부 데이터를 복원 추출하여, 즉 부트스트랩(bootstrap)을 통해 여러 개(예를 들어 100개)의 부분 데이터 집합(subset data)을 만들어 내고, 이러한 부분 데이터 집합에 모형을 100번 적합하여 예측값을 각각 계산한다. 마지막으로 이러한 예측값을 평균하여 최종 예측치를 정하게 된다. | |
부스팅 알고리즘의 원리는? | 반면 부스팅은 부트스트랩에 기초한 여러 개의 부분 데이터 집합을 생성하지 않는다. 대신 최초의 원데이터를 계속하여 수정하면서 모형을 업데이트한다. 즉 최초의 모형을 구성한 후, 종속변수 Y가 아닌 잔차를 업데이트하는 방식으로 모형을 수정하게 된다. 배깅의 경우 선형회귀모형 등 전통적 모형보다 예측 성능이 뛰어남을 보여 준 사례도 존재하지만(Fanelli et al. |
김명현, 이세호, 신동훈. 2015. K-Nearest Neighbors (K-NN) 알고리즘을 통한 KOSPI200 선물지수 예측효과 연구. 대한경영학회지. 28(10):2613-2633. Kim MH, Lee SH, Shin DH. 2015. Predictability Test of K-Nearest Neighbors Algorithm: Application to the KOSPI 200 Futures. Korea Business Management Journal. 28(10):2613-2633.
김희종, 김형도. 2014. 그라디언트 부스팅과 균형 분류 를 이용한 채무 불이행 예측. 한국정보기술학회 논문지. 12(1):155-164. Kim HJ, Kim HD. 2014. Predicting Loan Defaults with Gradient Boosting and Balanced Classification. Journal of Advanced Information Technology and Convergence. 12(1):155-164.
이석준, 김선옥. 2007. 협업필터링에서 고객의 평가치 를 이용한 선호도 예측의 사전평가에 관한 연구. Asia Pacific Journal of Information Systems. 17(4):187-206. Lee SJ, Kim SO. 2007. Pre-evaluation for Prediction Accuracy by Using the Customer's Ratings in Collaborative Filtering. Asia Pacific Journal of Information Systems. 17(4):187-206.
장희순, 방경식. 2014. 부동산 용어사전. 부연사. Jang HS, Bang KS. 2014. Real Estate Dictionary. Buyeonsa.
Aha DW, Kibler D, Albert MK. 1991. Instancebased Learning Algorithms. Machine Learning. 6(1):37-66.
Alfaro E, Garcia N, Gamez M, Elizondo D. 2008. Bankruptcy Forecasting: An Empirical Comparison of AdaBoost and Neural Networks. Decision Support Systems. 45(1):110-122.
Banfield RE. 2007. A Comparison of Decision Tree Ensemble Creation Techniques, IEEE Transactions on Pattern Analysis and Machine Intelligence. 29(1):173-180.
Chopra S, Hadsell R, LeCun Y. 2005. Learning a Similarity Metric Discriminatively, with Application to Face Verification. In: Computer Vision and Pattern Recognition. Proceedings of a Conference Held by IEEE Computer Society; 2005 Jun 20; San Diego (CA); 2005. Vol. 1. p. 539-546.
Fanelli G , D antone M , G all J , F ossati A, G ool L . 2013. Random Forests for Real Time 3D Face Analysis. International Journal of Computer Vision. 101(3):437-458.
Friedman JH. 2001. Greedy Function Approximation: a Gradient Boosting Machine. Annals of Statistics. 29(5): 1189-1232.
Gama J, Camacho R, Brazdil P, Jorge A, Torgo L. 2005. Machine Learning: ECML 2005. Proceedings of a symposium held at the 16th European Conference on Machine Learning; 2005 Oct 3-7; Porto, Portugal; 2005. p. 601-608.
Kuhn M, Johnson K. 2013. Applied Predictive Modeling. New York: Springer, p. 389-400.
Legendre P, LF Legendre. 2012. Numerical Ecology. London: Elsevier, p. 296-298.
Lemmens A, Croux C. 2006. Bagging and Boosting Classification Trees to Predict Churn. Journal of Marketing Research. 43(2):276-286.
Li P, Wu Q, Burges CJ. 2007. Mcrank: Learning to Rank Using Multiple Classification and Gradient Boosting. In: Proceedings of a symposium held at the 21st Annual Conference on Neural Information Processing Systems; 2007 Dec 3-5; Vancouver (BC); 2007. p. 897-904.
Liao Y, Vemuri VR. 2002. Use of K-Nearest Neighbor Classifier for Intrusion Detection. Computers & Security. 21(5):439-448.
Park B, Bae JK. 2015. Using Machine Learning Algorithms for Housing Price Prediction: The Case of Fairfax County, Virginia Housing Data. Expert Systems with Applications. 42(6):2928-2934.
Quinlan JR. 1993. Combining Instance-based and Model-based Learning. In: Proceedings of a symposium held at the 10th International Conference on Machine Learning; 1993 Jun 27-29; Amherst (MA); 1993. p. 236-243.
Schapire RE. 1999. Theoretical Views of Boosting. In: Proceedings of a symposium held at the 4th European Conference, Euro COLT on Computational Learning Theory; 1999 Mar 29-31; Nordkirchen, Germany; 1999. p. 1-10.
Shen H, Chou KC. 2005. Using Optimized Evidence-Theoretic K-Nearest Neighbor Classifier and Pseudo-amino Acid Composition to Predict Membrane Protein Types. Biochemical and Biophysical Research Communications. 334(1):288-292.
Wang YQ. 2008. Building Credit Scoring Systems Based on Support-based Support Vector Machine Ensemble. In: Proceedings of a symposium held at the 4th International Conference on Natural Computation; 2008 Oct 18-20; Jinan, China; 2008. p. 323-326.
Weinberger KQ, Blitzer J, Saul LK. 2009. Distance Metric Learning for Large Margin Nearest Neighbor Classification. Journal of Machine Learning Research. 10: 207-244.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.