데이터 증가를 통한 선형 모델의 일반화 성능 개량 (중심극한정리를 기반으로)

황두환

추천

검색

질문

자료유형: 학술저널

저자정보: 황두환 (육군3사관학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제28권 제2호

발행연도: 2022.6

수록면: 19 - 31 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

기계학습 모델 구축 간 트레이닝 데이터를 활용하며, 훈련 간 사용되지 않은 테스트 데이터를 활용하여 모델의 정확도와 일반화 성능을 판단한다. 일반화 성능이 낮은 모델의 경우 새롭게 받아들이게 되는 데이터에 대한 예측 정확도가 현저히 감소하게 되며 이러한 현상을 두고 모델이 과적합 되었다고 한다. 본 연구는 중심극한정리를 기반으로 데이터를 생성 및 기존의 훈련용 데이터와 결합하여 새로운 훈련용 데이터를 구성하고 데이터의 정규성을 증가시킴과 동시에 이를 활용하여 모델의 일반화 성능을 증가시키는 방법에 대한 것이다. 이를 위해 중심극한정리의 성질을 활용해 데이터의 각 특성별로 표본평균 및 표준편차를 활용하여 데이터를 생성하였고, 새로운 훈련용 데이터의 정규성 증가 정도를 파악하기 위하여 Kolmogorov-Smirnov 정규성 검정을 진행한 결과, 새로운 훈련용 데이터가 기존의 데이터에 비해 정규성이 증가하였음을 확인할 수 있었다. 일반화 성능은 훈련용 데이터와 테스트용 데이터에 대한 예측 정확도의 차이를 통해 측정하였다. 새롭게 생성된 데이터를 K-Nearest Neighbors(KNN), Logistic Regression, Linear Discriminant Analysis(LDA)에 적용하여 훈련시키고 일반화 성능 증가정도를 파악한 결과, 비모수(non-parametric) 기법인 KNN과 모델 구성 간 정규성을 가정으로 갖는 LDA의 경우에 대하여 일반화 성능이 향상되었음을 확인할 수 있었다.

#일반화 #정규성 #중심극한정리 #기계학습 #Generalization #Normality #Central Limit Theorem #Machine Learning

참고문헌 (21)

참고문헌 신청

Abhishek B, “Normal Distribution and Machine Learning”, Available at https://medium.com/analytics-vidhya/normal-distribution-and-machine-learning-ec9d3ca05070 (Accessed 20, February, 2022). Cortez, P., A, Cerdeira., F, Almeida., T, Matos., “Modeling wine preferences by data mining from physicochemical properties”, Decision support systems, Vol.47, No 4(2003), 547-553.

Paris, G., D, Robilliard., C, Fonlupt., “Exploring overfitting in genetic programming”, In International Conference on Artificial Evolution (Evolution Artificielle), Springer, Berlin, Heidelberg, 267-277.

Asghar, G., S, Zahediasl., "Normality tests for statistical analysis: a guide for non-statisticians." International journal of endocrinology and metabolism, Vol.10, No 2 (2012), 486.

Gareth, J., D, Witten., T, Hastie., R, Tibshirani., “An introduction to statistical learning”, Vol.112, New York, springer, 2013.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

황두환

소속기관 육군3사관학교

주요연구분야 공학 > 산업공학 공학 > 건축공학 > 환경공학

논문수 2 이용수 228

이 논문과 함께 이용한 논문

카쉐어링 서비스에 활용 가능한 kNN 알고리즘 기반 운전자 얼굴식별 모델

김재광 , 김한결 , 최세운 한국정보통신학회 종합학술대회 논문집 2023 .05

기계학습모델의 하이퍼파라미터 최적화방법과 일반화성능 추정방법이 하천수질 예측모델의 성능에 미치는 영향

고병건 , 김영우 , 신지훈 외 2명 대한환경공학회 학술발표논문집 2020 .11

인터넷 심화 활용이 인터넷 사회적 자본의 축적에 미치는 영향에 관한 회귀분석: 디지털 정보 활용수준격차를 중심으로

허만섭 디지털콘텐츠학회논문지 2021 .09

데이터의 중요 특성 선택과 전처리에 기반한 분류체계의 적용

조현우 한국산학기술학회 논문지 2021 .08

쉴드 TBM 디스크 커터 교체 유무 예측을 위한 k-NN 알고리즘의 분류 성능 평가

김윤희 , 홍지연 , 조영석 외 1명 대한토목학회 학술대회 2020 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-003-001628745

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)