최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 서울대학교 Seoul National University |
---|---|
연구책임자 | 김용대 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2020-03 |
과제시작연도 | 2019 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO202100019578 |
과제고유번호 | 1711087287 |
사업명 | 개인기초연구(과기정통부)(R&D) |
DB 구축일자 | 2022-03-19 |
키워드 | 성긴 선형회귀모형.교호작용이 있는 선형회귀.변수 스크리닝.변수 선택.고차원 자료 분석.통계적 학습 이론.계산 비용.미니배치 학습.계층적 구조. |
□ 연구개요
본 연구에서는 고차원 모형에서 교호작용을 선택하는 효율적인 방법론과 관련 이론을 연구하였다. 본 연구에서는 주효과와 교호작용 사이의 순차적 관계를 가정하지 않으면서도 효율적으로 교호작용을 스크리닝할 수 있는 새로운 알고리즘을 개발하였고 기존 방법들보다 나은 성능을 내는 것을 시뮬레이션을 통해 확인했다. 이 알고리즘을 이용하여 불필요한 다수의 교호작용을 사전에 삭제하고 중요한 교호작용을 찾아낼 수 있다. 또한 교호작용 스크리닝에서 나아가, 교호작용을 포함하는 고차원 모형에서 Lasso 추정량을 계산량의 폭증없이 구할
※ AI-Helper는 부적절한 답변을 할 수 있습니다.