$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 서울 치킨집 폐업 예측 모형 개발 연구
A Study on Predictive Modeling of Public Data: Survival of Fried Chicken Restaurants in Seoul 원문보기

The journal of Bigdata = 한국빅데이터학회지, v.3 no.2, 2018년, pp.35 - 49  

방준아 (성균관대학교 통계학과) ,  손광민 (성균관대학교 통계학과) ,  이소정 (CJ올리브네트웍스 DT융합연구소) ,  이현근 (CJ올리브네트웍스 빅데이터센터) ,  조수빈 (성균관대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

대한민국에서 치킨집은 전 세계 맥도날드 매장 수보다 많을 정도로 자영업의 큰 비중을 차지하는 창업 업종이다. 치킨집은 꾸준히 생겨나고 있지만, 소상공인의 창업 후 폐업률은 3년 62%, 5년 71%에 육박하는 것으로 나타났다. 특히, 숙박 및 음식점의 경우 70%가 3년을, 82%가 5년을 버티지 못하는 것으로 집계되었다. 이에 본 연구는 '서울 치킨집 폐업 예측 모형'을 개발하여, 예비창업자가 개업 후보지를 선정하는 의사결정 과정에 도움을 주고자 하였다. 먼저 행정자치부 지방행정 인허가 데이터의 업소별 개 폐업 신고 일자를 중심으로 다양한 변수를 수집하였다. 이후 다양한 분류 알고리즘을 적용하고, 예측 모형의 성능을 비교하였다. 그 결과, 인공신경망(Neural Networks)이 가장 높은 정확도를 보였지만 특이도와 민감도가 불균형적이었다. 이에 비해 유연판별분석(FDA)은 인공신경망보다 정확도는 낮지만, 상대적으로 균형적인 예측 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It seems unrealistic to say that fried chicken, often known as the American soul food, has one of the biggest markets in South Korea. Yet, South Korea owns more numbers of fried chicken restaurants than those of McDonald's franchise globally[4]. Needless to say not all these fast-food commerce survi...

주제어

#자영업   #치킨집   #폐업   #예측 모형   #기계학습  

질의응답

핵심어 질문 논문에서 추출한 답변
Support Vector Machine이란 무엇이며, 어느 분야에서 활용되는가? Support Vector Machine(SVM)은 이원 분류를 위한 지도학습 기반 기계학습 기법으로 주로 회귀분석과 분류 분야에서 활용되고 있다.
박주영 숭실대 벤처중소기업 학과 교수는 창업자 5명 중 2명은 치킨집이거나 편의점을 개업하는 이유를 무엇이라 설명했나? 국세청 부가가치세 신고 자료에 따르면 창업자 5명 중 2명은 치킨집이거나 편의점을 개업하는 것으로 나타나고 있다[9]. 박주영 숭실대 벤처중소기업 학과 교수는 이러한 사회적 현상에 대해서 “특히 화이트칼라 직종에 종사하다 은퇴한 창업자들의 경우 자신이 많이 소비했고 익숙한 업종을 중심으로 창업하려는 경향이 크다. 치킨, 술·유흥 업종의 경우 자주 이용했기 때문에 쉽게 생각하고 가게를 오픈하려고 하는 것일 수 있다.”라고 설명한다[5].
Random Forest는 어떤 단계들로 구성되어 있나? Random Forest는 분류, 회귀분석 등에 사용되는 앙상블 학습방법의 일종으로 여러 개의 의사 결정나무를 임의로 학습하는 방식이다. Random Forest는 다수의 의사결정나무를 구성하는 학습 단계와 입력변수가 들어왔을 때 분류하거나 예측하는 검증 단계로 구성되어 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (30)

  1. 고은지, "소상공인 71%, 5년내 문 닫아...식당.여관은 1년내 절반 폐업", 2016.09.28., https://www.yna.co.kr/view/AKR20160927179000003 

  2. 국가법령정보센터, 국토의 계획 및 이용에 관한 법률, 2018.06.12. 

  3. 국가법령정보센터, 다중이용업소의 안전관리에 관한 특별법, 2017.12.26. 

  4. 김현우, "'우후죽순' 치킨집, 전 세계 맥도날드 매장보다 많아", 2015.10.05., https://www.ytn.co.kr/_ln/0102_201510052201553904 

  5. 박수호, & 서은내, "3040 vs 5060 세대별 창업 특징 살펴보니 | "인생 이모작…내 노후는 내가" 5060 반란", 2016.08.12., http://news.mk.co.kr/newsRead.php?no575619&year2016 

  6. 배정원, "소비자기대지수", 2012.11.24., http://biz.chosun.com/site/data/html_dir/2012/11/24/2012112400390.html 

  7. 윤효원, "자영업자 700만명, 절반으로 줄여야", 2018.09.03., http://www.labortoday.co.kr/news/articleView.html?idxno153665 

  8. 이진욱, 유국현, 문병민, 배석주, "감성분석과 Word2vec을 이용한 비정형 품질 데이터 분석", 품질경영학회지, 제45권, 제1호, pp.117-127, 2017. 

    원문보기 상세보기

  9. 이현, "창업자 5명 중 2명은 치킨집.편의점...이미 포화 상태", 2016.07.11., http://news.jtbc.joins.com/article/article.aspx?news_idNB11269730&pDate20160711 

  10. 최현준, "선행종합지수", 2012.03.04., http://www.hani.co.kr/arti/economy/economy_general/521840.html 

  11. 통계청, 기업생멸행정통계, 2016. 

  12. 통계청, 자영업 현황분석, 2016. 

  13. "Orthogonal Partial Least Squares (OPLS) in R", 2013.07.28., https://www.r-bloggers.com/orthogonal-partial-least-squares-opls-in-r 

  14. "A Quick Introduction to K-Nearest Neighbors Algorithm", 2017.04.11., https://medium.com/@adi.bronshtein/a-quick-introduction-to-k-nearest-neighbors-algorithm-62214cea29c7 

  15. "SVM Separating Hyperplanes", 2012.11.26., https://en.wikipedia.org/wiki/Support_vector_machine#cite_note-CorinnaCortes-1/512px-Svm_separating_hyperplanes_(SVG).svg 

  16. "What is an artificial neural network? Here's everything you need to know", 2018.09.13, https://www.digitaltrends.com/cool-tech/what-is-an-artificial-neural-network/ 

  17. Chen, T., & Guestrin, C., "XGBoost: A Scalable Tree Boosting System", International Conference on Knowledge Discovery and Data Mining, pp.785-794, 2016. 

  18. Fawcett, Tom, "An Introduction to ROC Analysis", Pattern Recognition Letters, Vol.27, No.8, pp.861-874, 2006. 

    상세보기 crossref

  19. Friedman J, Hastie T, Tibshirani R., "Additive Logistic Regression: A Statistical View of Boosting", Annals of Statistics, Vol.28, No.2, pp.337-374, 2000. 

  20. Han, J., & Kamber, M., Data mining: Concepts and techniques (3rd ed.), Amsterdam: Elsevier, Morgan Kaufmann, 2011. 

  21. Hastie, T., Tibshirani, R., & Buja, A., "Flexible Discriminant Analysis by Optimal Scoring", J. of the American Statistical Association, Vol.89, No.428, pp.1255-1270, 1994. 

    상세보기 crossref

  22. Hoerl, A., & Kennard, R., "Ridge Regression: Biased Estimation for Nonorthogonal Problems", Technometrics, Vol. 42, No. 1, pp.80-86, 2000. 

    상세보기 crossref

  23. Keller, J. M., Gray, M. R., & Givens, J. A., "A fuzzy K-nearest neighbor algorithm", IEEE Transactions on Systems, Man, and Cybernetics, Vol.SMC-15, No.4, pp.580-585, 1985. 

    상세보기 crossref

  24. Kuhn, M., & Johnson, K., Applied predictive modeling (2nd ed.), New York: Springer., 2016. 

  25. Leo Breiman, "Random Forests", 2001., https://www.stat.berkeley.edu/-breiman/randomforest2001.pdf 

  26. Schalkoff, R.J, Artificial neural networks, McGraw-Hill, 1997. 

  27. Sinnott, R.W, "Virtues of the Haversine", Sky and Telescope, Vol. 68, Issue 2, pp.158, 1984. 

  28. Vapnik, V. N., The nature of statistical learning theory, New York: Springer, 2010. 

  29. Wold, S., Sjostrom, M., & Erikssonb, L., "PLS-regression: A basic tool of chemometrics", Chemometrics and Intelligent Laboratory Systems, Vol.58, No.2, pp.109-130, 2001. 

    상세보기 crossref

  30. Zou, H., & Hastie, T., "Regularization and Variable Selection via the Elastic Net", J. of the Royal Statistical Society. Series B (Statistical Methodology), Vol. 67, No.2, pp.301-320. 2005. 

    상세보기 crossref

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로