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
- 실험 데이터는 CoIL Challenge 2000에서 사용된 것으로 이동식 주택을 위한 보험의 잠재 고객에 관한 정보로 이루어져 있고, 구매자들의 정보보다 비구매자들의 정보가 더 많은 불균형 데이터 집합이다. 따라서 이 데이터는 벳치학습 방법으로는 성능이 좋지 않기 때문에 능동 학습 기법을 이용하여 예측의 정확도를 향상시키고자 한다.
- 본 논문에서는 상거래상에서 얻을 수 있는 잠재적 고객 데이터에 대해서 실제 구매자를 예측하는 실험을 하였다. 이 데이터는 실제 구매자보다는 비구매자들이 훨씬 많이 포함되어 있는 불균형 데이타이기 때문에 단순히 데이터를 한꺼번에 학습하는 경우에 어려움이 있다.
- 둘째, 주어진 모든 입력 속성을 이용하는 대신에, 가장 중요한 속성으로 알려진 4개의 속성만을 이용해서 앞에서와 같은 방법으로 실험을 하였다. 이 실험을 통하여 CoIL Challenge 2000 데이터처럼 복잡한 문제에서 데이터 특징 추출이 중요함을 보이고자했다. 표 2에서는 이러한 실험의 결과를 보여준다.
- 첫째, 전체 85개의 입력 속성을 모두 이용하여 능동 학습을 이용하는 경우와 그렇지 않은 경우에 대해서 실험을 하였다. 이 실험을 통하여 능동 학습을 이용하여 성능이 좋아짐을 보이고자 했다. 둘째, 주어진 모든 입력 속성을 이용하는 대신에, 가장 중요한 속성으로 알려진 4개의 속성만을 이용해서 앞에서와 같은 방법으로 실험을 하였다.
가설 설정
- 따라서, 신경망의 학습은 신경망의 자유 변수들의 조정에 초점을 맞추게 된다. 반면에 능동 학습에서는 학습자가 자신의 학습 데이터를 스스로 선택하거나 혹은 자신이 학습 데이터에 어떤 영향력을 행사할 수가 있다고 가정한다[1]. 일반적으로 학습의 문제는 훈련데이터에 기반하여 그 입력과 출력 사이의 대응 관계를 찾아내는 것으로 생각할 수 있다.
- 전통적인 신경망 알고리즘에서는 학습 데이터가 외부환경이나 외부 실험자에 의해 모두 주어진다고 가정한다. 따라서, 신경망의 학습은 신경망의 자유 변수들의 조정에 초점을 맞추게 된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.