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 연구의 목적은 지표들 간의 상관관계 학습을 통하여 대상 지표의 미래 예측 방법에 대해 실험하는 것이다. 실험의 구체적인 방법은, 미리 설정된 28개의 다양한 도시 지표 사이의 상관관계를 정의하고 그 지표 중 하나인 “행복지수”를 예측해 보고 그 정확성을 파악해 보는 것이다.
- 본 연구의 핵심은 복잡하게 얽혀있는 도시의 다양한 현상에 대한 인과관계 혹은 상관관계를 빅데이터 관점에서 정의해 보고, 그 결과를 머신 러닝 도구를 이용하여 학습하고 예측하여 정확성을 알아보는데 있다. 특히 전문가의 직관에 의존하는 기본의 방법에서 벗어나 보다 객관적이고 과학적인 방법을 통하여도시에서 발생하는 현상을 이해하려는 시도로 그 의의가 있다.
- 이 연구는 도시환경에서 빅데이터를 활용하는데 있어서 발생하는 이러한 한계를 인식하고 이를 해결하기 위한 시도를 그 내용으로 한다. 도시에서 발생하는 다양한 행위들 간의 관련성 혹은 인과 관계 등을 파악하고 이를 기계 학습을 통하여 예측을 하는 방법에 대한 실험과 그 효용성에 대한 고찰을 주 내용으로 하고 있다.
가설 설정
- (b) Determine Influence 노드에¡서 행정구역별 지표 간의 가중치를 구하게 된다.
- 이 연구의 출발은 도시에서 일어나는 여러 복잡한 행위들 간의 지표들이 서로 밀접하게 관련성을 가지고 있을 것이고 따라서 28개의 한정된 지표들만으로도 매우 효과적으로 도시의 현상에 대한 이해와 예측을 할 수 있다는 가정(Boyd, 2012)을 가지고 실험을 시작 하였다.
- 첫째로 학습을 위해 유추된 상관관계 가중치 값이 연도별로 높은 상관관계를 가지고 있지 않다는 것과, 둘째로 근본적으로 데이터의 정확성 혹은 일관성이 높지 않다는 것을 가정해 볼 수 있다. 사용된 지표의 대부분이 설문조사를 통해 수집되었으며, 이에 조사환경의 변화가 발생하는 설문조사의 특성상 다년에 걸친 조사가 실시된 환경의 일관성에 대한 추가적인 검토가 필요할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.