본문 바로가기
[학술저널]

  • 학술저널

장용석(서울시립대학교) 박범진(서울시립대학교) 박창이(서울시립대학교)

DOI : 10.7465/jkdi.2019.30.5.977

표지

북마크 0

리뷰 0

이용수 0

피인용수 0

초록

K-근방 분류는 알고리즘의 구현이 단순한데 비해 분류 정확도가 나쁘지 않기 때문에 이미지 등 여러 가지 분류문제에서 사용되고 있다. 가중 K-근방 알고리즘은 국소회귀의 커널 평활법에 기반하여 분류경계를 부드럽게 만드는 반면, 커널 K-근방 알고리즘에서는 커널시계의 커널 트릭을 이용하여 분류경계를 더 복잡하게 만든다. 커널 K-근방 알고리즘에서 가우스 커널의 조율모수의 선택시 교차확인법을 통한 조율모수의 선택은 계산이 어려울 수 있으므로 기하기반의 기준을 사용하고자 한다. 또한 모의실험과 실제 데이터 분석을 통하여 K-근방 알고리즘들의 성능을 비교한다.

K-nearest neighbor (K-NN) classifier has been adopted in various classifications such as image classification because the classification accuracy of K-NN is generally acceptable for its simplicity in the implementation of its algorithm. While the weighted K-NN algorithm based on the kernel smoothing technique in local regressions makes the resulting decision boundary smooth, the kernel K-NN algorithm using the kernel trick in kernel machines make the decision boundary more complex. In the kernel K-NN algorithm, we propose to adopt the geometry based criterion for the selection of the tuning parameter of the Gaussian kernel because selecting the tuning parameter via cross validations can be computationally burdensome. Through simulated and real data analysis, we compare the performances of K-NN algorithms.

목차

요약
1. 서론
2. k-근방 분류 알고리즘
3. 데이터 분석
4. 결론
References
Abstract

참고문헌(0)

리뷰(0)

도움이 되었어요.0

도움이 안되었어요.0

첫 리뷰를 남겨주세요.
Insert title here