지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2016.2
- 수록면
- 255 - 264 (10page)
이용수
초록· 키워드
오류제보하기
Classification is a predictive modeling for a categorical target variable. Various classification ensemble methods, which predict with better accuracy by combining multiple classifiers, became a powerful machine learning and data mining paradigm. Well-known methodologies of classification ensemble are boosting, bagging and random forest. In this article, we assume that decision trees are used as classifiers in the ensemble. Further, we hypothesized that tree size affects classification accuracy. To study how the tree size influences accuracy, we performed experiments using twenty-eight data sets. Then we compare the performances of ensemble algorithms; bagging, double-bagging, boosting and random forest, with different tree sizes in the experiment.
목차
등록된 정보가 없습니다.
참고문헌 (24)
참고문헌 신청
[인터넷자원] - Asuncion, A / / UCI machine learning repository
[학술지(정기간행물)] - Bauer, E. / 1999 / An empirical comparison of voting classi cation algorithms : Bagging, boosting and variants / Machine Learning 36 : 105 ~ 139
[학술지(정기간행물)] - Breiman, L. / 1996 / Bagging predictors / Machine Learning 26 : 123 ~ 140
[인터넷자원] - Breiman, L. / / Out-of-bag estimation, Technical Report, Statistics Department
[학술지(정기간행물)] - Breiman, L. / 2001 / Random forests / Machine Learning 45 : 5 ~ 32
[학술지(정기간행물)] - Bauer, E. / 1999 / An empirical comparison of voting classi cation algorithms : Bagging, boosting and variants / Machine Learning 36 : 105 ~ 139
[학술지(정기간행물)] - Breiman, L. / 1996 / Bagging predictors / Machine Learning 26 : 123 ~ 140
[인터넷자원] - Breiman, L. / / Out-of-bag estimation, Technical Report, Statistics Department
[학술지(정기간행물)] - Breiman, L. / 2001 / Random forests / Machine Learning 45 : 5 ~ 32
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Random forest ensemble using a weight-adjusted voting algorithm
한국데이터정보과학회지
2020 .03
-
A review of tree-based Bayesian methods
CSAM(Communications for Statistical Applications and Methods)
2017 .11
-
Ensemble approach for improving prediction in kernel regression and classification
CSAM(Communications for Statistical Applications and Methods)
2016 .07
-
National-scale estimation of potential for mineral water using tree-based ensemble learning
대한지질학회 학술대회
2020 .10
-
Ensemble Model Output Statistics를 이용한 평창지역 다중 모델 앙상블 결합 및 보정
대기
2018 .09
-
How many trees in a random forest?
한국데이터정보과학회지
2022 .03
-
The Stock Index Prediction by the Time-Adjusted Classifier Ensemble
Journal of The Korean Data Analysis Society
2015 .01
-
Comparison of tree-based ensemble models for regression
CSAM(Communications for Statistical Applications and Methods)
2022 .09
-
Machine Learning Techniques with Item Response Data
Journal of The Korean Data Analysis Society
2021 .10
-
Performance Evaluation of Multiphysics Ensemble on the Prediction of Heavy Precipitation Cases in South Korea and Examination on the Ensemble Spread
한국기상학회 학술대회 논문집
2023 .11
-
산업용 필터백의 구조에 따른 여과성능 특성
한국대기환경학회지(국문)
2016 .08
-
앙상블 기법을 이용한 일반화가법모형 연구
Journal of The Korean Data Analysis Society
2015 .01
-
A Simple Rule for Monitoring the Error Rate of Random Forest for Classification
Quantitative Bio-Science
2020 .05
-
SENTINEL-2 위성영상을 이용한 조림 특성 조사: 세미양오름를 통한 사례 연구
한국환경과학회지
2022 .09
-
Development and Evaluation of Wearable Bags and Consumer Innovativeness
패션 비즈니스
2020 .01
-
기상청 기후예측시스템(GloSea6) 과거기후 예측장의 앙상블 확대와 초기시간 변화에 따른 예측 특성 분석
대기
2022 .12
-
Assessment and prediction of the first-flowering dates for the major fruit trees in Korea using a multi-RCM ensemble
한국기상학회 학술대회 논문집
2016 .10
-
Ensemble 기법의 인공지능모델을 이용한 PM2.5 예측 성능 개선
한국대기환경학회 학술대회논문집
2023 .10
-
이종센서 위성영상과 머신 러닝을 활용한 광릉지역 주요 수종 분류 모델 개발
대한원격탐사학회지
2019 .01
-
사업장 굴뚝에서 배출되는 초미세먼지 농도 저감용 집진설비 현장 측정 연구
한국대기환경학회 학술대회논문집
2022 .10
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-041-001377615