선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 특징 선택은 문서 분류에 성능이 우수한 정보 획득(IG) 방식을 채택하고 특징 집합의 크기에 따른 성능 차이를 검토하고자 하였다. 문서 모델은 이진벡터와 가중 치 벡터 두 가지로 표현하여 특징 값 표현 방식의 효과를 분석하고자 하였다. 학습 알고리즘은 단일 모델에 결정 트리 (C4.
- 문서 분류 실험을 통하여 단일모델과 다중모델, 하이 브리드 다중 모델기법의 분류기 성능을 비교하고자 하였다. 특징 선택은 문서 분류에 성능이 우수한 정보 획득(IG) 방식을 채택하고 특징 집합의 크기에 따른 성능 차이를 검토하고자 하였다.
- 본 논문에서는 다중 모델 기계학습법의 개념과 특징을 고찰하고, 분류 오차의 다양한 원인을 동시에 해소하고자 하는 하이브리드 다중 모델 학습법을 제안하고 텍스트 자동 분류에 적용, 실험하였다. 실험 결과 전반적으로 메타 학습법을 이용한 하이브리드 다중모델기법이 기 존의 다중 모델 학습기법들 보다 높은 성능을 보임으로써 문서 분류 도메인에서 그 효과를 입증하였다.
- 일반적으로 투표 알고리즘의 파생기법은 데이터의 분포의 변화를 통해 분산효과를, Stacking의 파생 기법은 학습 알고리즘의 편향을 해소하려는 접근법이다. 본 연구에서는 확장형 Bagging 및 Boosting과 확장형 Stacking을 제안하였다. 확장형 투표알고리즘은 동질적 다중 모델의 통합에 메타 학습을 사용하여 결론 제시에 보다 지능적으로 접근하였다.
- 문서 분류 실험을 통하여 단일모델과 다중모델, 하이 브리드 다중 모델기법의 분류기 성능을 비교하고자 하였다. 특징 선택은 문서 분류에 성능이 우수한 정보 획득(IG) 방식을 채택하고 특징 집합의 크기에 따른 성능 차이를 검토하고자 하였다. 문서 모델은 이진벡터와 가중 치 벡터 두 가지로 표현하여 특징 값 표현 방식의 효과를 분석하고자 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.