초록

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

Decision tree는 목표 데이터에 대한 계층적 관점을 보여준다는 의미에서 데이터를 보다 잘 이해하는데 많은 도움이 되나 탐욕법(greedy algorithm)에 의한 트리 생성법의 한계로 인해 최적의 예측자라고는 할 수가 없다. 이와 같은 약점을 보완하기 위하여 일반적 방법으로 생성한 decision tree에 대하여 다차원 연관규칙 알고리즘을 적용함으로써 짱은 길이의 최적 부분 규칙집합을 구하는 방법을 제시하였고 실험을 통해 그와 같은 사실을 확인하였다.

Decision tree는 목표 데이터에 대한 계층적 관점을 보여준다는 의미에서 데이터를 보다 잘 이해하는데 많은 도움이 되나 탐욕법(greedy algorithm)에 의한 트리 생성법의 한계로 인해 최적의 예측자라고는 할 수가 없다. 이와 같은 약점을 보완하기 위하여 일반적 방법으로 생성한 decision tree에 대하여 다차원 연관규칙 알고리즘을 적용함으로써 짱은 길이의 최적 부분 규칙집합을 구하는 방법을 제시하였고 실험을 통해 그와 같은 사실을 확인하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 방법
• 연구 결과

제안 방법

• 또 속성 중의 하나는 판정속성(decision attribute)이고 나머지는 조건 속성(condition attribute)인 차이가 있다. 따라서 보다 효율적 수행을 위해 DHP 알고리즘의 후보 항목 집합을 생성하는 부분을 수정하였다. 아울러 연관규칙 알고리즘은 명칭 값(nominal values)에만 적용할 수 있으므로 데이터베이스 내의 연속 수치 값 (continuous values)은 명칭 값으로 바꿔 주어야 한다.

대상 데이터

• UCI 기계학습보관소의 'census-income'라는 대형 데이터베이스에 대하여 실험을 행하였다. 데이터베이스 내의 총 훈련 예는 199, 523개이며 검정 예는 총 99, 762개이다. 총 데이터 중년 소득이 5만 달러 미만인 클래스의 확률은 93.

이론/모형

• UCI 기계학습보관소의 'census-income'라는 대형 데이터베이스에 대하여 실험을 행하였다. 데이터베이스 내의 총 훈련 예는 199, 523개이며 검정 예는 총 99, 762개이다.
• 다차원 연관규칙 발견 알고리즘[5]을 적용하여 신뢰성이 높은 규칙을 찾아낸다. 이를 위해서는 데이터베이스의 크기에 따라 적당한 최소 지지 수 (minimum support number)를 입력해준다.

성능/효과

• 만일 어떤 가지가 {al, a2}-bl-cl => dl과 같은 의미를 나타낸다고 하면 이 가지는 al-bl-cl => dl 및 a2-bl-cl =>dl처럼 결국 2개의 규칙으로 전환되게 된다. 총 2, 681개의 규칙들로부터 신뢰도 95% 이상인 2, 556게의 부분집합 규칙이 연관규칙 알고리즘에 의해 발견되었다. 예롤 들어 다음은 2, 681개의 규칙 중의 하나이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기