$\require{mediawiki-texvc}$

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.

주성분 분석을 활용한 재현자료 생성
Synthetic data generation by probabilistic PCA 원문보기

응용통계연구 = The Korean journal of applied statistics, v.36 no.4, 2023년, pp.279 - 294  

박민정 (통계청)

초록
AI-Helper 아이콘AI-Helper

재현자료를 생성할 때 순차회귀 다중대체(SRMI)를 이용하는 방식이 가장 널리 알려져 있으며, 이를 구현한 소프트웨어로 R-패키지 synthpop이 활용되고 있다. 본 논문에서는 확률적 주성분 분석(PPCA)을 이용하여 재현자료를 생성하는 방안을 제안하고 2개의 데이터 세트를 이용한 모의실험으로 SRMI 방식과 PPCA 방식을 비교하였다. 모의실험에서 PPCA 방식으로 생성한 재현자료는 쌍별 상관계수를 기준으로 원자료와의 유사성이 가장 우수함을 확인하였다. 향후 PPCA 방식을 이용하여 시계열 자료에 대한 재현자료 생성을 연구하고자 한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It is well known to generate synthetic data sets by the sequential regression multiple imputation (SRMI) method. The R-package synthpop are widely used for generating synthetic data by the SRMI approaches. In this paper, I suggest generating synthetic data based on the probabilistic principal compon...

주제어

#재현자료   #확률적 주성분 분석  

참고문헌 (12)

  1. Abdi H and Williams LJ (2010). Principal component analysis, Computational Statistics, 2, 433-459. 

  2. Domingo-Ferrer J, Muralidhar K, and Bras-Amoros M (2021). General confidentiality and utility metrics for？privacy-preserving data publishing based on the permutation model, IEEE Transactions on Dependable and？Secure Computing, 18, 2506-2517. 

    상세보기

  3. Jolliffe IT (1986). Principal Component Analysis, Springer, New York. 

  4. Jolliffe IT and Cadima J (2016). Principal component analysis: A review and recent developments, Philosophical？Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374, 20150202. 

    상세보기

  5. Nowok B, Raab GM, and Dibben C (2016). synthpop: Bespoke creation of Synthetic data in R, Journal of？Statistical Software, 74, 1-26. 

  6. Kim J and Park M-J (2019). Multiple imputation and synthetic data, The Korean Journal of Applied Statistics？(written in Korean), 32, 83-97. 

  7. Kim HJ, Reiter JP, and Karr AF (2018). Simultaneous edit-imputation and disclosure limitation for business？establishment data, Journal of Applied Statistics, 45, 63-82. 

    상세보기

  8. Park M-J, Han J, and Park N (2020). Study on Synthetic Data Generation Methods with Applications to Statistics？Korea RDC Data (written in Korean), Statistics Research Institute, Statistics Korea. 

  9. Tipping ME and Bishop CM (1999). Probabilistic principal component analysis, Journal of the Royal Statistical？Society Series B: Statistical Methodology, 61, 611-622. 

  10. Roweis S (1998). EM algorithms for PCA and SPCA. In M Kearns, M Jordan, and S Solla (Eds), Advances in？Neural Information Processing Systems 10: Proceedings of the 1997 Conference (pp. 626-632), The MIT？Press. 

  11. Stacklies W, Redestig H, Scholz M, Walther D, and Selbig J (2007) pcaMethods - a bioconductor package providing PCA methods for incomplete data, Bioinformatics, 23, 1164-1167. 

    상세보기

  12. Wasserman L (2010). All of Statistics, Springer, New York. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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