http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
농촌인구에서의 대사증후군의 특징과 비만 관련 인자와의 연관성
임수 ( Im Su ),권경훈 ( Kwon Gyeong Hun ),김은주 ( Kim Eun Ju ),임덕상 ( Im Deog Sang ),임효진 ( Im Hyo Jin ),조성일 ( Jo Seong Il ),이윤용 ( Lee Yun Yong ),박경수 ( Park Gyeong Su ),이홍규 ( Lee Hong Gyu ) 한국지질동맥경화학회(구 한국지질학회) 2002 韓國脂質學會誌 Vol.12 No.4
Objective: Metabolic syndrome is a loosely defined state characterized by insulin resistance, which includes phenotypes of glucose intolerance, abdominal obesity, dyslipidemia and hypertension. However, there is no internationally agreed definition for th
김명종(Kim, Myoung Jong),조성임(Jo, Sung-Im) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.6
앙상블 학습모형은 분류 및 예측문제에서 모형의 성과를 개선하기 위한 기법으로 제안되어 왔다. 그러나, 데이터 불균형(Data imbalance) 문제가 존재하는 경우 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 이분류 문제를 효과적으로 해결하기 위한 AUROC 최적화 모형 기반의 앙상블 학습모형을 제안하고자 한다. 본 연구에서 제안하는 학습알고리즘은 앙상블 학습 모형에 비선형계획법인 Quadratic programming을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 기업부실 예측문제를 활용하여 본 연구에서 제안하는 알고리즘의 성과를 검증한 결과 앙상블 학습에서 전통적으로 활용되어 왔던 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다. In classification or prediction tasks, data imbalance problem is frequently observed when most of instances belong to one majority class. Data imbalance problem has received considerable attention in machine learning community because it is one of the main causes that degrade the performance of classifiers or predictors. Ensemble learning is one of techniques which can improve the performance of classification and forecasting models. However, ensemble learning has the difficulty in leaning on imbalance data. This paper proposes a AUROC-based ensemble learning to cope with the data imbalance problems. In the comparison with Adaboost, the proposed algorithm provide the better performance. These results mean that the proposed algorithm can provide robust and stable solutions to data imbalance problems such as bankruptcy prediction.