최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 포항공과대학교 Pohang University of Science and Technology |
---|---|
연구책임자 | 이혜선 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2017-07 |
과제시작연도 | 2016 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO201800003853 |
과제고유번호 | 1711040287 |
사업명 | 개인연구지원 |
DB 구축일자 | 2018-04-28 |
키워드 | 고차원데이터.최적화모델.변수선택기법.인자추출법.베이지안네트워크.필터접근법.국소보전구조.인과구조학습.마코브블랭킷.High dimensional data.Optimizing model.Variable selection.Feature extraction.Bayesian networks.Filter method.Local optimizing structure.supervised neighborhood preserving embedding.Markov blanket. |
DOI | https://doi.org/10.23000/TRKO201800003853 |
연구의 목적 및 내용
고차원데이터를 효율적으로 다룰 수 있는 새로운 변수선택 및 변수변환 기법은 최적예측모형에 매우 중요하다. 고차원데이터는 변수간 상관성이 높아서 원래의 데이터공간에서 직접적으로 종속변수간의 인과관계를 탐색하는 것은 어려운 문제이고, 따라서 인자추출법에 의한 저차원구조의 변수변환기법과 변수선택기법의 개발은 최적예측모형 도출의 핵심적 분석기술을 개발 적용하였다. 변수변환기법으로는 선형적 방법인 주성분분석이 있고, 비선형 변수변환기법으로는 국소기반 인자추출법이 있는데, 변수선택기법과 인자추출법에 의한 최적예측모형
Purpose&contents
High dimensional data are highly correlated, and it is not easy to explore causal relationship between target variable and original variable. Data transforming to low dimension using feature extraction enhances prediction power and classification accuracy. Feature selection using
※ AI-Helper는 부적절한 답변을 할 수 있습니다.