최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.28 no.5, 2017년, pp.1125 - 1132
정지현 (경북대학교 통계학과) , 차상훈 (경북대학교 통계학과) , 김묘정 (경북대학교 공과대학 건설환경에너지공학부) , 김광섭 (경북대학교 공과대학 건설환경에너지공학부) , 임윤진 (국립기상과학원 응용기상연구과) , 이경은 (경북대학교 통계학과)
In a situation where the severity and frequency of drought events getting stronger and higher, many studies related to drought forecast have been conducted to improve the drought forecast accuracy. However it is difficult to predict drought events using a single model because of nonlinear and compli...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
앙상블 기법을 사용하는 이유는 무엇인가? | 예측을 하는데 있어 단일 모형으로는 설명할 수 있는 부분이 한정적일 수밖에 없다. 이를 보완하고 더 강력한 예측 모형을 만들기 위해 앙상블 기법을 사용한다. | |
가법 모형이란 무엇인가? | 가법 모형은 Friedman과 Stuetzle (1981)가 처음으로 제안하였으며 일반적으로 선형관계가 뚜렷하지 않게 나타나는 경우에 있어 선형모형에 비해 적용성이 높다. 가법 모형은 각 설명변수와 종속변수 간의 관계를 평활 함수를 사용하여 보다 유연하게 나타내는 모형이다. 따라서 비선형적인 관계를 설명해야 하는 분야에서 많이 사용되어지고 있다 (Yoon, 2016). | |
스태킹이란 무엇인가? | 스태킹 (stacking)은 여러 학습 알고리즘에 의한 예측을 결합하는 학습 알고리즘으로 먼저 사용 가능한 자료를 이용하여 모든 알고리즘을 학습한 후 모든 알고리즘의 예측 결과를 입력하여 최종 예측을 하는 방법이다. 스태킹은 단일 계층 로지스틱 회귀 모형의 결합으로 많이 사용되며 일반적으로 단일 모형 보다 예측 성능을 향상시킨다. |
Clarke, B. (2003). Comparing bayes model averaging and stacking when model approximation error cannot be ignored. Journal of Machine Learning Research, 4, 683-712.
Friedman, J. H. and Stuetzle, W. (1981). Projection pursuit regression. Journal of the American Statistical Association, 76, 817-823.
Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35, 73-101.
Robbins, H. and Monro, S. (1951). A Stochastic approximation method. The Annals of Mathematical Statistics, 22, 400-407.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.