변수선택 방법과 판정보류 옵션을 적용한 분류방법

국문 초록 (Abstract)

분류는 데이터 마이닝에서 가장 보편적인 작업이라고 할 수 있는데, 분류라는 것은 어떤 새로운 사물이나 대상의 특징을 파악하여 미리 정의되어 있는 분류코드에 따라 어느 한 범주에 할당하거나 나누는 것을 의미한다. 이러한 통계적 의사결정 문제에서 특정 클래스를 할당하기에 애매한 관측치에 대하여 최종 의사결정을 보류하는 것은 매우 직관적이면서도 유용한 방법으로, 최근 판정보류 옵션을 가진 분류문제는 Bartlett & Wegkamp(2008)에 의해 기계학습 분야에 재조명 받고 있다. 판정 보류 옵션을 가진 분류문제는 기존의 분류규칙에 판정보류를 추가적으로 고려한 분류규칙을 의미한다. 판정보류 옵션을 가진 분류규칙은 분류를 엄밀히 하기 힘든 자료에 유용하다고 알려져 있으며, 이상점 탐지(outlier detection)에도 기존의 분류규칙보다 우수한 성능을 보이는 것으로 보고되고 있다. 한편 분류문제에서 목적변수와 강한 연관성을 가지고 있는 설명변수들은 그렇지 않은 변수들보다 보다 나은 정확도를 도출해줄 가능성이 클 것으로 짐작될 것이다. 따라서 변수 선택방법과 판정보류 옵션을 동시에 적용하여 분류성능을 향상시키고자 한다.
본 논문의 구성은 로지스틱 회귀분석, 변수선택을 적용한 로지스틱 회귀분석, 판정보류 옵션을 적용한 로지스틱 회귀분석, 변수선택 방법과 판정보류 옵션을 적용한 로지스틱 회귀모형에 대하여 기술하고, 실제 자료를 통해 기존에 제안된 방법들과 변수선택과 판정보류 옵션을 적용한 로지스틱 회귀모형의 주요 결과들을 비교하고자 한다.

목차 (Table of Contents)

• 목 차
• Ⅰ. 서 론 1
• Ⅱ. 연구의 이론적 배경 5
• 1. 판정보류의 정의 2
• 2. 변수선택의 정의 2
• 가. 변수선택의 의의 2
• 나. 모든 가능한 경우를 고려하는 방법 3
• 다. 전진선택법 4
• 라. 후진제거법 5
• 마. 단계적 선택법 6
• Ⅲ. 분류모형 소개 8
• 1. 판정보류 옵션을 가지는 분류방법 8
• 가. 판정보류 옵션 8
• 나. 판정보류 옵션을 가지는 베이즈 분류 10
• 다. 판정보류 옵션을 가지는 SVM 방법론 11
• 2. 로지스틱 회귀모형 12
• 3. 변수선택을 적용한 로지스틱 회귀모형 19
• 4. 판정보류 옵션을 적용한 로지스틱 회귀모형 20
• 5. 변수선택과 판정보류 옵션을 적용한 로지스틱 회귀모형 21
• Ⅳ. 사례 연구 22
• 1. 데이터 설명 22
• 2. 모형의 성능 비교 23
• Ⅴ. 결론 29
• 참고 문헌 30
• 영문 초록 31