메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최정민 (건국대학교) 박동찬 (건국대학교)
저널정보
한국주거환경학회 주거환경 住居環境 통권 제15권 제1호 (통권 제35호)
발행연도
2017.3
수록면
31 - 49 (19page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study analyzed outliers which give a significant impact on reliability in the current Big Data era. We used the Housing Condition Survey (HCS) by the Ministry of Land, Infrastructure and Transport in Korea as a main dataset. We focused on the residential satisfaction of the respondents, detected the outliers, and performed an empirical analysis for impact factors. Although we used the Mahalanobis distance method, which is a common method for outlier detection, we found that this outlier detection method was unreliable. Alternatively, the Naive Bayes Classification method was utilized to detect the outliers and to verify the impact factors. This choice of method was based on the fact that the high correlation among the demographic characteristics and residential satisfaction of respondents are critical elements in the Naive Bayes Classification. The findings include that firstly, about 2,400 samples (12% of total) of the "2014 Housing Condition Survey" were detected as outliers. Secondly, it was observed that the tendency of positive over-estimation about questions from the residential satisfaction of respondents in HCS is common. Thirdly, in order to reduce the occurrence of outliers in HCS, it is necessary to lessen the stress of respondents by avoiding long questions in table form.
#빅데이터 #이상치 #베이지안 #주거만족도 평가 #Big-data #Outlier #Bayesian #Evaluation of Residential Satisfaction

목차

Abstract
Ⅰ. 서론
Ⅱ. 이론적 고찰
Ⅲ. 이상치 의심 및 연구모형의 설정
Ⅳ. 연구모형에 의한 실증분석
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

기계학습을 이용한 주거환경 만족도평가에서의 이상치 검출에 관한 연구
최정민 ,  박동찬 한국주거학회 학술대회논문집 2017 .04
노인가구주가구의 지역 간 주거실태 비교연구
신용주 주거환경 2017 .12
경제조사에서의 이상치 탐지와 처리방법
주영선 ,  조교영 한국데이터정보과학회지 2016 .02
Local outlier detection in datasets with mixed attributes
Taegu Kim ,  Nam-Wook Cho 한국경영과학회 학술대회논문집 2016 .04
A Method for Outlier Detection Based on Area Descent
Huynh T ,  ung Hieu ,  Yonggwan Won ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications 2006 .07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-595-002374726