[논문]SHAP 분석 기반의 넙치 질병 분류 입력 파라미터 최적화

조경원; 백란

doi:10.13067/jkiecs.2023.18.6.1331

초록
AI-Helper

머신러닝을 이용한 텍스트 기반 어류 질병 분류에서 머신러닝 모델의 입력 파라미터가 너무 많은 문제가 존재하지만, 성능의 문제로 임의로 입력 파라미터를 줄일 수 없다. 본 논문에서는 이 문제를 해결하고자 SHAP 분석 기법을 활용해 넙치 질병 분류에 특화된 입력 파라미터 최적화 방안을 제시한다. 제안한 방법은 SHAP 분석 기법을 적용하여 넙치 질병 문진표에서 추출한 질병 정보의 데이터 전처리와 AutoML을 활용한 머신러닝 모델 평가 과정을 포함한다. 이를 통해 AutoML의 입력 파라미터의 성능을 평가하고, 최적의 입력 파라미터 조합을 도출한다. 본 연구에서 제안 방법은 필요한 입력 파라미터 수를 감소시키면서도 기존의 성능을 유지할 수 있을 것으로 기대되며, 이는 텍스트 기반 넙치 질병 분류의 효율성 및 실용성을 높이는 데 기여할 것이다.

Abstract ▼ AI-Helper

In text-based fish disease classification using machine learning, there is a problem that the input parameters of the machine learning model are too many, but due to performance problems, the input parameters cannot be arbitrarily reduced. This paper proposes a method of optimizing input parameters ...

In text-based fish disease classification using machine learning, there is a problem that the input parameters of the machine learning model are too many, but due to performance problems, the input parameters cannot be arbitrarily reduced. This paper proposes a method of optimizing input parameters specialized for Paralichthys olivaceus disease classification using SHAP analysis techniques to solve this problem,. The proposed method includes data preprocessing of disease information extracted from the halibut disease questionnaire by applying the SHAP analysis technique and evaluating a machine learning model using AutoML. Through this, the performance of the input parameters of AutoML is evaluated and the optimal input parameter combination is derived. In this study, the proposed method is expected to be able to maintain the existing performance while reducing the number of input parameters required, which will contribute to enhancing the efficiency and practicality of text-based Paralichthys olivaceus disease classification.

주제어

표/그림 (6)

그림 그림 1. SHAP를 이용한 입력 파라미터 최적화 방법 Fig. 1 The method of optimizing input parameters using SHAP
그림 그림 2. 넙치 질병 정보를 위한 문진표 예시 Fig. 2 Example of a questionnaire for Paralichthys olivaceus disease information
표 표 1. 질병명에 대한 변환 값 리스트 Table 1. List of conversion values for disease names
표 표 2. AutoML을 이용한 학습 결과 Table 2. Learning results using AutoML
그림 그림 3. SHAP 분석 결과 Fig. 3 The result of SHAP analysis
그림 그림 4. 파라미터 감소에 대한 모델들의 정확도 측정 결과 Fig. 4 The result of measuring the accuracy of models for parameter reduction

참고문헌 (15)

FAO, "2018 The STATE OF WORLD FISHERIES？AND AQUACULTURE," pp. 85, 2018.
Statistics Korea, "2020 Fish Farming Trend？Survey Results",？https://eiec.kdi.re.kr/policy/materialView.do?num211933&topicO&pp20
Fisheries Newspaper, "Increase in Infectious？Diseases in Domestic and Imported Seafood？in Korea",？https://www.isusanin.com/news/articleView.html?idxno30689
National Institute of Fisheries Science, "Fish？disease incidence statistics",？https://www.nifs.go.kr/fishguard/disease03
H. S. Son, H. S Choi, "Image Augmentation？of Paralichthys Olivaceus Disease Using？SinGAN Deep Learning Model," The J. of？the Korea Contents Association, vol. 21, no. 12,？2021, pp. 322-330.
J. Y. Kang, H. S. Son, H. S Choi, "A？Comparison of Pre-Processing Techniques for？Enhanced Identification of Paralichthys olivaceus？Disease based on Deep Learning," The J. of the？Korea Contents Association, vol. 22, no. 3, 2022,？pp. 71-80.
H. S. Son, H. K. Lim, H. S. Choi, "A Study on？Disease Prediction of Paralichthys Olivaceus？using Deep Learning Technique," Smart Media J.,？vol. 11, no. 4, 2022, pp. 62-68.
S. M. Lundberg, S. I. Lee. "A unified？approach to interpreting model predictions,"？In Proc. Advances in neural information？processing systems 30, 2017.
S. K. Karmaker, M. M. Hassan, M. J. Smith, L.？Xu, C. Zhai, K. Veeramachaneni, "Automl to？date and beyond: Challenges and？opportunities," ACM Computing Surveys, vol.？54, no. 8, 2021, pp. 1-36.
P. Geurts, D. Ernst, L. Wehenkel, "Extremely？randomized trees," Machine learning, vol. 63,？2006, pp. 3-42.

상세보기
L. Breiman, "Random forests," Machine？learning, vol. 45, 2001, pp. 5-32.
T. Chen, C. Guestrin, "Xgboost: A scalable？tree boosting system," In Proc. the 22nd acm？sigkdd int. conf. on knowledge discovery and data？mining, August 2016, pp. 785-794.
G. Ke, Q. Meng, T. Finley, T. Wang, W.？Chen, W. Ma, Q. Ye, T. Y. Liu, "Lightgbm: A？highly efficient gradient boosting decision？tree," In Proc. Advances in neural information？processing systems 30, 2017.
L. Breiman, "Bagging predictors," Machine？learning, vol. 24, 1996, pp. 123-140.
C. Cortes, V. Vapnik, "Support-vector networks,"？Machine learning, vol. 20, 1995, pp. 273-297.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] SHAP 분석 기반의 넙치 질병 분류 입력 파라미터 최적화
Optimizing Input Parameters of Paralichthys olivaceus Disease Classification based on SHAP Analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] SHAP 분석 기반의 넙치 질병 분류 입력 파라미터 최적화 Optimizing Input Parameters of Paralichthys olivaceus Disease Classification based on SHAP Analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

백란 (8)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] SHAP 분석 기반의 넙치 질병 분류 입력 파라미터 최적화
Optimizing Input Parameters of Paralichthys olivaceus Disease Classification based on SHAP Analysis 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)