최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.32 no.2, 2019년, pp.199 - 211
박종선 (성균관대학교 통계학과) , 모은비 (성균관대학교 통계학과)
This paper is concerned with issues in the finite mixture of regression modeling as well as the simultaneous selection of the number of mixing components and relevant predictors. We propose a penalized likelihood method for both mixture components and regression coefficients that enable the simultan...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
유한혼합모형이란? | Pearson (1894)에 의해 처음 제안된 유한혼합모형(finite mixture model)은 사전에 알려진 수의 모집단으로부터 얻어진 표본을 모형화하는 방법으로 생물학, 유전학, 마케팅 등 여러 분야에 사용되고 있다. 유한혼합회귀모형(finite mixture of regression; FMR)은 유한혼합모형의 관측치를 설명하는 예측변수들(predictors)을 포함하며 금융과 사회과학의 여러 분야에 적용 (Wedel과 Kamukura, 2000; Skron-dal과 Rabe-Hesketh, 2004)되고 있다. | |
유한혼합모형의 단점은? | Chen (1995)에 의하면 유한혼합모형에서 성분의 수를 모르는 경우 최적 수렴비가 느려지는 것으로 알려져 있으며 과도하게 많은 수의 성분을 사용하면 자료의 과적합(over tting)에 따라 해석이 어려워질 수 있다. 반대의 경우에는 실제 내재하는 자료의 구조를 적절하게 파악하지 못하게 되며 이는 유한혼합회귀모형에서도 동일하게 적용된다. | |
AIC, BIC 방법의 문제점은? | 유한혼합모형에서 성분의 수를 결정하는 다양한 검정방법(McLachlan과 Peel, 2000)이 있었으나 유한혼합모형의 성분 수의 결정과 변수 선택의 방법으로 주로 전통적인 Akaike information criterion (AIC) (Akaike, 1973)와 Bayes information criterion (BIC)(Schwarz, 1978) 방법 등이 사용되었다. 그러나 이러한 방법들 또한 주어진 자료로부터 가능한 모든 후보 모형을 고려하여 최적 모형을 찾아주기 때문에 고차원(high dimension) 자료의 경우에 많은 연산 시간과 비용을 소요하는 문제가 있다. 이러한 문제를 피하는 방법으로 벌점함수를 적용하는 방법이 있다. |
*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.