$\require{mediawiki-texvc}$

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.

랜덤포레스트를 위한 상관예측변수 중요도
Correlated variable importance for random forests 원문보기

응용통계연구 = The Korean journal of applied statistics, v.34 no.2, 2021년, pp.177 - 190  

신승범 (고려대학교 통계학과) ,  조형준 (고려대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

랜덤포레스트는 여러 의사결정나무 모형들을 융합하여 안정성과 예측력을 높여주기 때문에 종종 사용되는 방법이다. 예측력을 증가시키는 반면 해석의 용이성을 희생하기 때문에 이를 보상하기 위해 변수의 중요도를 제공한다. 변수의 중요도는 랜덤포레스트를 구축할 때 변수가 얼마나 중요한 역할을 하는지를 알려 준다. 그러나 어떤 예측변수가 다른 예측변수들과 상관되어 있을 때 기존 알고리즘의 변수중요도는 왜곡될 수 있다. 상관된 예측변수들의 하향 편향은 예측변수의 중요도를 실제 중요도보다 낮게 측정하게 한다. 우리는 기존 알고리즘을 수정하여 상관 예측변수의 하향 편향을 회복하는 새로운 알고리즘을 제안한다. 제안된 알고리즘의 성능은 모의 자료에 의해 증명되고 실제 자료에 의해 설명된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Random forests is a popular method that improves the instability and accuracy of decision trees by ensembles. In contrast to increasing the accuracy, the ease of interpretation is sacrificed; hence, to compensate for this, variable importance is provided. The variable importance indicates which vari...

주제어

#랜덤포레스트   #변수중요도   #상관관계  

표/그림 (11)

참고문헌 (12)

  1. Archer, K. J. and Kimes, R. V. (2008). Empirical characterization of random forest variable importance measures, Computational Statistics & Data Analysis, 52, 2249-2260. 

    상세보기

  2. Biau, G. and Scornet, E. (2016). A random forest guided tour, Text, 25, 197-227. 

  3. Breiman, L. (2001). Random forests, Machine Learning, 45, 5-32. 

  4. Breiman, L. (2002). Manual on setting up, using, and understanding random forests v3.1. Statistics Department University of California Berkeley, CA, USA. 

  5. Breiman, L., Friedman, J. H., Olshen, R. A., and Stone, C. J. (1984). Classification and Regression Trees, Wadsworth, Belmont. 

  6. Genuer, R., Poggi, J. M., and Tuleau-Malot, C. (2010). Variable selection using random forests, Pattern Recognition Letters, 31, 2225-2236. 

    상세보기

  7. Gregorutti, B., Michel, B., and Saint-Pierre, P. (2017). Correlation and variable importance in random forests, Statistics and Computing, 27, 659-678. 

    상세보기

  8. Nicodemus, K. K., Malley, J. D., Strobl, C., and Ziegler, A. (2010). The behaviour of random forest permutation-based variable importance measures under predictor correlation, Bioinformatics, 11, 1-13. 

  9. RColorBrewer, S. and Liaw, M. A. (2018). Package 'random Forest', University of California Berkeley, CA, USA. 

  10. Rumao, S. (2019). Exploration of Variable Importance and Variable selection techniques in presence of correlated variables. Rochester Institute of Technology. 

  11. Strobl, C., Boulesteix, A. L., Kneib, T., Augustin, T., and Zeileis, A. (2008). Conditional variable importance for random forests, Bioinformatics, 9, 307. 

  12. Strobl, C., Boulesteix, A. L., Zeileis, A., and Hothorn, T. (2007). Bias in random forest variable importance measures: Illustrations, sources and a solution, Bioinformatics, 8, 25. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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