$\require{mediawiki-texvc}$

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.

데이터 불균형 문제에서의 SVM 앙상블 기법의 적용
SVM Ensemble Techniques for Class Imbalance Problem 원문보기

한국정보과학회 2004 가을 학술발표논문집(2), 2004 Oct., 2004년, pp.706 - 708  

강필성 (서울대학교 산업공학과) ,  이형주 (서울대학교 산업공학과) ,  조성준 (서울대학교 산업공학과)

초록
AI-Helper 아이콘AI-Helper

대부분의 기계학습 알고리즘학습 데이터에서 각각의 범주간의 비율이 동일하거나 비슷하다는 가정 하에 문제를 풀게 된다. 그러나 실제 문제에서는 그 비율이 동일하지 않으며 매우 큰 차이를 보이기도 하는데, 이는 분류 성능을 저하시키는 요인이기도 하다 따라서 본 논문에서는 이러한 데이터의 불균형 문제를 해소하는 방안으로 SVM 앙상블 기법을 적용한 샘플링을 제안하고 이를 실제 불균형 데이터에 적용함으로써 제안된 방법이 기존의 방법들에 비해 향상된 성능을 나타내는 것을 보였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 und이"S여mpling된 다수 범주의 학습 데이터 셋에 앙상블 기법을 적용하여, 샘플링 과정에서 나타나는 분포의 왜곡을 줄이고 일반 화 성능을 향상시키는 방법을 제안하고, 이에 대한 실험 방법 잋결과를 기술하였다.
  • 본 연구에서는 데이터 불균형 문제를 해소하기 위하여 앙상블 기법을 사용한 샘플링 방법을 제안하였다. 데이터 불균형 문제가 분류 성능에 미치는 영향을 서술하고 제안된 방법을 실제 데이터에 적용하였다.
  • 불균형 데이터가 실제로 분류 성능에 어떠한 영향을 기치는지 알아보기 위하여 가상 데이터를 생성하여 실험하였다. 2차원 평면상에서 평균이[0, 이이고 분산이 [1, 1]인 패턴 100개를 소수 범주로 생성하고, 평균이[3, 0]이고 분산이[2, 2]인데이터를 다수범주로 하여 100, 300, 500, 1000, 10000, 100000개의 패턴을 생성하고, support vector machine(SVM)을 기본 분류기로 하여 실험하였다.
  • 앞서 알아본 바와 같이 데이터 불균형 문제는 분류 성능을 저하시키는 요인이기 때문에, 이 문제를 해결한다면 분류 성능을 향상시킬 수 있다, 본 논문에서는 undersam이ing과 앙상블을 결합함으로써 불균형 문제를 해결하고자 한다. Japkowicz[4] 의 연구에서는 undersamplingHF ove「sam이ing 모두 데이터 불균형을 해소하는 데 효과적인 방법임이 밝혀졌다.

가설 설정

  • 소수범주에 대한정확도인 A+의 측면에서 볼패, 앙상블 기법이 다른 기법들에 비해 높은 정확도를 보임으로써, 소수범주를 정확히 판별하는 것이 중요한 이슈가 되는 실제 문제들에 적용할 경우 우수한 성능을 보일 것으로 기대된다. [표 7]에서, 30회 반복 실험의 분산이 앙상블을 함으로써 작아진다는 것은 분포의 왜곡을 감소시켜 안정적인 성능 향상이 가능하다는 가정을 뒷받침해 준다.
본문요약 정보가 도움이 되었나요?
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