$\require{mediawiki-texvc}$

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.

Map-Reduce 프로그래밍 모델 기반의 나이브 베이스 학습 알고리즘
Naive Bayes Learning Algorithm based on Map-Reduce Programming Model 원문보기

한국해양정보통신학회 2011년도 추계학술대회, 2011 Oct. 26, 2011년, pp.208 - 209  

강대기 (동서대학교)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는, 맵-리듀스 모델 기반에서 나이브 베이스 알고리즘으로 학습과 추론을 수행하는 방안에 대해 소개하고자 한다. 이를 위해 Apache Mahout를 이용하여 분산 나이브 베이스 (Distributed Naive Bayes) 학습 알고리즘을 University of California, Irvine (UCI)의 벤치마크 데이터 집합에 적용하였다. 실험 결과, Apache Mahout의 분산 나이브 베이스 학습 알고리즘은 일반적인 WEKA의 나이브 베이스 학습 알고리즘과 그 성능면에서 큰 차이가 없음을 알 수 있었다. 이러한 결과는, 향후 빅 데이터 환경에서 Apache Mahout와 같은 맵-리듀스 모델 기반 시스템이 기계 학습에 큰 기여를 할 수 있음을 나타내는 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we introduce a Naive Bayes learning algorithm for learning and reasoning in Map-Reduce model based environment. For this purpose, we use Apache Mahout to execute Distributed Naive Bayes on University of California, Irvine (UCI) benchmark data sets. From the experimental results, we se...

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • 성능 평가를 위해 각 데이터 집합에 대한 분류 정확도(accuracy)를 측정하였다. 실험 결과, Apache Mahout는 WEKA와 그 성능에 있어 별다른 차이가 없음을 알 수 있었다.

대상 데이터

  • 본 연구에서는 이러한 Apache Mahout를 대표적인 기계 학습 벤치마크 데이터 중 하나인 University of California, Irvine (UCI)의 벤치마크 데이터 집합 중 37 개에 적용하여 보았다. 또한 같은 데이터 집합들을 WEKA 기계 학습 알고리즘[6]에 적용하였다.

이론/모형

  • 본 연구에서는 이러한 Apache Mahout를 대표적인 기계 학습 벤치마크 데이터 중 하나인 University of California, Irvine (UCI)의 벤치마크 데이터 집합 중 37 개에 적용하여 보았다. 또한 같은 데이터 집합들을 WEKA 기계 학습 알고리즘[6]에 적용하였다. 사용한 기계 학습 알고리즘은 Naive Bayes이며, 적용한 데이터의 집합은 다음과 같다.
  • 본 논문에서는 이러한 빅 데이터 환경에 대한 컴퓨터의 데이터 모델 중 하나인 맵-리듀스 모델[3]에 기반한 Apache Mahout[4]를 소개하고, 이 시스템의 대표적인 기계 학습 알고리즘 중 하나인 분산 나이브 베이스 (Distributed Naive Bayes) 학습 알고리즘을, 역시 대표적인 기계 학습 벤치마크 데이터 중 하나인 University of California, Irvine (UCI)의 벤치마크 데이터 집합[5]에 적용하여 보았다.
  • 또한 같은 데이터 집합들을 WEKA 기계 학습 알고리즘[6]에 적용하였다. 사용한 기계 학습 알고리즘은 Naive Bayes이며, 적용한 데이터의 집합은 다음과 같다.
본문요약 정보가 도움이 되었나요?

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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