최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, v.38 no.6, 2018년, pp.801 - 808
김정환 (인하대학교 수자원시스템연구소) , 박지현 (인하대학교 통계학과) , 최창현 (인하대학교 토목공학과) , 김형수 (인하대학교 사회인프라공학과)
The learning of the linear regression model is stable on the assumption that the sample size is sufficiently larger than the number of explanatory variables and there is no serious multicollinearity between explanatory variables. In this study, we investigated the difficulty of model learning when t...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
선형회귀모형은 무엇인가? | 선형회귀모형(linear regression model; reg)은 설명변수(predictor variable)들을 사용하여 반응변수(response variable)의 값을 예측하는 대표적인 통계 모형이다. 반응변수를 \(y\), 설명변수집합을 \(X=\)(\(x\)0,\(x\)1,. | |
다중공선성을 해소하기 위해 변수선택을 어떻게 할것인지에 대한 논의가 필요한 이유는 무엇인가? | 다중공선성을 해소하기 위해서 연구자의 직관에 의존하여 일부 변수만을 선택하거나 혹은통계적 변수선택절차를 적용할 수도 있으나 실제로 변수선택을어떻게 할 것인지에 대한 논의가 필요하다. 왜냐면 변수선택 시중요한 설명변수가 누락될 가능성이 있을 뿐만 아니라 중요한 설명변수들 사이에 상관성이 강한 경우 어떤 변수를 우선적으로선택해야 하는지에 대해서 명확한 기준이 없기 때문이다. 본 연구에서는 변수선택에 대한 대안으로 주성분회귀모형(principal component regression model; pc-reg) 혹은 능형회귀모형(ridge regressionmodel; ridge-reg)을 제안한다. | |
주성분회귀모형은 무엇인가? | 주성분회귀모형은 원래의 설명변수 대신에 주성분들을 설명변수로 사용하는 회귀모형이다. 따라서 주성분회귀모형을 학습하기 이전에 설명변수 집합을 주성분으로 바꾸는 과정이 필요하다. |
Choi, C. H., Kim, J. H., Kim, J. S., Kim, D. H., Bae, Y. H. and Kim, H. S. (2018). "Development of heavy rain damage prediction model using machine learning based on big data." Journal of Advances in Meteorology, Vol. 2018, Article ID 5024930.
Choi, C. H., Kim, J. S., Kim, J. H., Kim, H. Y., Lee, W. J. and Kim, H. S. (2017a). "Development of heavy rain damage prediction function using statistical methodology." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 3, pp. 331-338 (in Korean).
Choi, C. H., Kim, J. S., Lee, M. J., Kim, J. H., Lee, W. J. and Kim, H. S. (2017b). "Development of heavy rain damage prediction function using principal component analysis and logistic regression model." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 6, pp. 159-166 (in Korean).
Choi, C. H., Park, K. H., Park, H. K., Lee, M. J., Kim, J. S. and Kim, H. S. (2017c). "Development of heavy rain damage prediction function for public facility using machin learning." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 6, pp. 443-450 (in Korean).
Choo, T. H., Kwak, K. S., Ahn, S. H., Yang, D. U. and Son, J. K. (2017). "Development for the function of wind wave damage estimation at the western coastal zone based on disaster statistics." Journal of the Korea Academia-Industrial cooperation Society, Vol. 18, No. 2, pp. 14-22 (in Korean).
Furquim, G., Pessin, G., Faical, B. S., Mendiondo, E. M. and Ueyama, J. (2016). "Improving the accuracy of a flood forecasting model by means of machine learning and chaos theory." Neural computing and applications, Vol. 27, No. 5, pp. 1129-1141.
Hoerl, A. E. and Kennard, R. W. (1970). "Ridge regression: biased estimation for nonorthogonal problems." Technometrics, Vol. 12, No. 1, pp. 55-67.
Jeong, J. H. and Lee, S. H. (2014). "Estimating the direct economic damages from heavy snowfall in Korea." Journal of climate research, Vol. 9, No. 2, pp. 125-139.
Johnstone, I. M. and Titterington, D. M. (2009). "Statistical challenges of high-dimensional data." Philos Trans A Math Phys Eng Sci, Vol. 367, No. 1906, pp. 4237-4253.
Kim, J. H. Kim, T. G. and Lee, B. R. (2017a). "An analysis of typhoon damage pattern type and development of typhoon damage forecasting function." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 2, pp. 339-347 (in Korean).
Kim, J. S., Choi, C. H., Kim, D. H., Lee, M. J. and Kim, H. S. (2017b). "Development of heavy rain damage prediction function using artificial neural network and multiple regression model." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 6, pp. 73-80 (in Korean).
Kim, J. S., Choi, C. H., Lee, J. S. and Kim, H. S. (2017c). "Damage prediction using heavy rain risk assessment : (2) Development of heavy rain damage prediction function." Journal of Korean Society of Hazard Mitigation, Vol. 17, No. 2, pp. 371-379 (in Korean).
Kwon, S. H., Lee, J. W. and Chung, G. H. (2017). "Snow damages estimation using artificial neural network and multiple regression analysis." Journal of the Korean Society of Hazard Mitigation, Vol. 17, No. 2, pp. 315-325 (in Korean).
Lee, J. S., Eo, G., Choi, C. H., Jung, J. W. and Kim, H. S. (2016). "Development of rainfall-flood damage estimation function using nonlinear regression equation." Journal of the Korean Society of Disaster Information, Vol. 12, No. 1, pp. 74-88 (in Korean).
Lee, S. I. (2012). "A study on damage scale prediction by rainfall and wind velocity with typhoon. master's thesis." Sunchon National University.
Mandal, S., Saha, D. and Banerjee, T. (2005). "A neural network based prediction model for flood in a disaster management system with sensor networks." In Intelligent sensing and information processing, Proc. of 2005 international conference, pp. 78-82.
Mendelsohn, R. and Saher, G. (2011) "The global impact of climate change on extreme events." World Bank.
Munich, R. (2002). "Winter storms in europe: analysis of 1990 losses and future loss potentials."
Oh, Y. R. and Chung, G. H. (2017). "Estimation of snow damage and proposal of snow damage threshold based on historical disaster data." Journal of the Korean Society of Civil Engineers, Vol. 37, No. 2, pp. 325-331.
Pielke, R. A. and Downton, M. W. (2000). "Precipitation and damaging floods: trends in the united states, 1932-97." Journal of Climate, Vol. 13, No. 20, pp. 3625-3637.
Zhai, A. R. and Jiang, J. H. (2014). "Dependence of US hurricane economic loss on maximum wind speed and storm size." Environmental Research Letters, Vol. 9, No. 6, pp. 1-9.
*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.