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
- 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.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.