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.
제안 방법
- Decision Tree, KNN, Logistic Regression, Naive Bayessian, SVM, Neural Network의 6가지 알고리즘을 이용하여 정확률을 비교분석하였다.
- Logistic 회귀분석으로 KDD Cup 데이터에서 선정한 30개의 변수를 통해 20000명 중 90%는 학습을 시키고 나머지 10%로 정확률을 예측해 보았다. 본 논문에서 정확률이란 변수 선정한 데이터가 중도포기를 어느 정도 정확하게 예측하였는지를 의미한다.
- Logistic 회귀분석은 위에 종속변수와 독립변수간의 관계를 알아볼 때 사용하여 종속변수에 관련 있는 변수들을 선정하였다. Logistic 회귀분석은 Logistic 함수를 기반으로 0에서 1사이의 값을 갖는다.
- 그 후 예측한 변수들의 정확도를 확인하기 위해 Decision Tree, KNN, Logistic Regression, Naive Bayessian, SVM, Neural Network인 6가지 머신러닝 알고리즘을 통해 정확률을 확인하였다.
- 이에 따라 본 논문에서는 2015 KDD CUP의 MOOC 데이터를 이용하여 중도포기 예측 모델링하였다. 학습자들의 등록과 로그인, 학습 활동 등 변수들과 중도포기 데이터를 갖고 Logistic 회귀분석을 통해 결과에 영향을 미치는 변수들을 선정하였다[5].
대상 데이터
- 데이터 변수는 과 같이 140개의 변수들로 구성되어 있다.
- 본 논문에서 활용한 데이터는 KDD Cup 2015로부터 얻은 MOOC 데이터이다[5]. MOOC 데이터 안에는 학스자의 활동 로그와 특별한 사건, 학습과 관련 없는 데이터도 포함하고 있다.
- 본 논문에서는 위와 같은 문제 해결 방안 마련을 위해 KDD Cup 2015에서 제공하는 MOOC 데이터를 통해 중도포기를 기준으로 영향을 주는 변수들을 선정하였다. 그 후 예측한 변수들의 정확도를 확인하기 위해 Decision Tree, KNN, Logistic Regression, Naive Bayessian, SVM, Neural Network인 6가지 머신러닝 알고리즘을 통해 정확률을 확인하였다.
- 선정 된 변수를 통해 Decision Tree, KNN, Logistic 회귀 분석, Naive Bayesian, SVM, Neural Network 6가지 Classification 알고리즘을 이용하여 90% 데이터는 학습을 시키고 10% 테스트를 위한 데이터로 사용하였다.
데이터처리
- 20000명의 학습자 데이터와 139개의 변수 중에 중도 포기 ('label' 변수)에 영향을 미치는 변수를 선정하기 위해 Logistic 회귀분석을 이용하였다.
- 이에 따라 본 논문에서는 2015 KDD CUP의 MOOC 데이터를 이용하여 중도포기 예측 모델링하였다. 학습자들의 등록과 로그인, 학습 활동 등 변수들과 중도포기 데이터를 갖고 Logistic 회귀분석을 통해 결과에 영향을 미치는 변수들을 선정하였다[5]. 선정 된 변수를 통해 Decision Tree, KNN, Logistic 회귀 분석, Naive Bayesian, SVM, Neural Network 6가지 Classification 알고리즘을 이용하여 90% 데이터는 학습을 시키고 10% 테스트를 위한 데이터로 사용하였다.
이론/모형
- 본 논문에서 정확률이란 변수 선정한 데이터가 중도포기를 어느 정도 정확하게 예측하였는지를 의미한다. 본 실험에서 예측 정확도를 알기 위해 Decision Tree, KNN, Logistic regression analysis, Naive Bayesian, SVM, Neural Network의 6가지 알고리즘을 사용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.