http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
근사직교배열의 직교성의 정도를 평가하기 위한 그래픽방법
장대흥 ( Dae Heung Jang ) 한국품질경영학회 2004 품질경영학회지 Vol.32 No.4
The orthogonality is an important property in the experimental designs. When we use nearly orthogonal arrays, we need evaluate the degree of the orthogonality of given experimental designs. Graphical methods for evaluating the degree of the orthogonality of nearly orthogonal arrays are suggested.
장대흥(Dae Heung Jang),하일도(Il Do Ha),박동준(Dong Jun Park),박인호(In Ho Park),이승재(Seung Jae Lee) 한국데이터정보과학회 2020 한국데이터정보과학회지 Vol.31 No.6
고차원 자료는 관측값의 개수보다 변수의 개수가 과다하게 많은 것이 특징이다. 예측분석에서는 회귀분석 시 설명변수 사이의 다증공선성 문제 및 최소제곱추정량의 계산 문제를 해결하기 위하여 전통적인 변수선택 방법이나 벌점회귀를 주로 사용한다. 본 연구에서는 고차원 자료에 대한 딥러닝 회귀 및 분류문제에서 이러한 변수선택 방법이나 벌점회귀를 사용하는 것이 모형 평가 측도 및 학습 수행 완료 시간에 어떠한 영향을 주는지를 평가하였다. High-dimensional data is characterized by an excessive number of variables than the number of observations. In predictive analysis, traditional variable-selection method or penalized regression is mainly used to solve the problem of multi-collinearity among explanatory variables and of calculation of least-squares estimators in regression analysis. In this paper, we evaluated how the variable selection method or penalized regression affects the model evaluation measures and the completion time of learning in deep learning regression and classification problems for high-dimensional data.