http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 안치경 ( Chi Kyung Ahn ) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
안치경,김동욱,Ahn, Chi Kyung,Kim, Donguk 한국데이터정보과학회 2014 한국데이터정보과학회지 Vol.25 No.5
상호정보 (mutual information)를 이용한 변수 선택법은 반응변수와 설명변수간의 선형적인 연관성뿐만 아니라 비선형적인 연관성을 감지하며, 설명변수 사이의 연관성도 고려하는 좋은 변수선택 방법이다. 하지만 고차원 자료에서 상호정보를 추정하기가 쉽지 않아 이에 대한 연구가 필요하다. Cai 등 (2009)은 조건부 상호정보를 이용한 전진선택법과 가지치기법을 이용하여 이러한 문제를 해결하였으며, 마이크로어레이 자료와 같은 고차원 자료에서 조건부 상호정보를 이용한 변수 선택법으로 선택된 변수들로 구성된 SVM의 분류 성능이 SVM-RFE 및 기존의 필터링 방법으로 선택된 변수들로 구성된 SVM의 분류 성능보다 뛰어남을 보였다. 하지만 조건부 상호정보를 추정할 때 사용된 Parzen window 방법은 변수의 수가 많아질수록 변수 선택 시간이 길어지는 단점으로 인해 이에 대한 보완이 필요하다. 본 논문에서는 조건부 상호정보 계산 시 필요한 설명변수의 분포를 다변량 정규분포로 가정함으로써 변수선택을 위한 계산시간을 단축시키며 동시에 변수선택의 성능을 향상시키고자 한다. 반면, 설명변수의 분포를 다변량 정규분포로 가정한다는 것은 강한 제약이 될 수 있으므로 이를 완화시킨 Edgeworth 근사를 이용한 조건부 상호정보 기반의 변수 선택법을 제안한다. 실증분석을 통해 본 논문에서 제안한 방법의 효율성을 살펴보았으며, 기존의 조건부 상호정보 기반 변수 선택법에 비해 계산 속도나 분류 성능 면에서 우수함을 보였다. In this paper, we study efficient gene selection methods by using conditional mutual information. We suggest gene selection methods using conditional mutual information based on semiparametric methods utilizing multivariate normal distribution and Edgeworth approximation. We compare our suggested methods with other methods such as mutual information filter, SVM-RFE, Cai et al. (2009)'s gene selection (MIGS-original) in SVM classification. By these experiments, we show that gene selection methods using conditional mutual information based on semiparametric methods have better performance than mutual information filter. Furthermore, we show that they take far less computing time than Cai et al. (2009)'s gene selection but have similar performance.
-
김동욱,안치경,Kim, Dong-Uk,Ahn, Chi-Kyung 한국통계학회 2007 응용통계연구 Vol.20 No.2
경쟁위험(competing risk) 하에서의 누적 발생함수(cumulative incidence function)는 일반적으로 비모수적 방법으로 추정된다. 그러나 관심 있는 원인에 의한 사건이 다른 원인에 의한 사건보다 상대적으로 적게 발생하는 경우에 비모수적 방법으로 추정된 누적발생함수는 이산성으로 인해 다소 정확하지 않게 된다. 이와 같은 경우에 Bryant와 Diagnam(2004)는 관심 있는 원인에 대한 원인특정적 위험함수(cause-specific hazard function)를 모수적으로 모형화하고 다른 원인에 의한 사건은 비모수적으로 추정하는 준모수적 방법을 제안했다. 본 연구에서는 준모수적 누적발생함수 추정량을 재표현하고 와이블분포모형과 대수 정규분포모형으로 확장하였다. 또한 대수 정규분포 원인특정적 위험모형일 경우 누적 발생함수에 대한 비모수적 추정량, 와이블분포 준모수적 추정량과 대수 정규분포 준모수적 추정량의 효율성을 비교하며 준모수적 추정량의 성능과 모형 오설정이 미치는 영향을 살펴보았다. For the time-to-failure data with competing risks, cumulative incidence functions (CIFs) are commonly estimated using nonparametric methods. If the cases of events due to the cause of primary interest are infrequent relative to other cause of failure, nonparametric methods may result in rather imprecise estimates for CIF. In such cases, Bryant et al. (2004) suggested to model the cause-specific hazard of primary interest parametrically, while accounting for the other modes of failure using nonparametric estimator. We represented the semiparametric cumulative incidence estimator and extended to the model of Weibull and log-normal distribution. We also conducted simulations to access the performance of the semiparametric cumulative incidence estimators and to investigate the impact of model misspecification in log-normal cause-specific hazard model.
-
연구수가 적은 이변량 확률효과메타분석모형에 있어서 통합처리효과에 대한 추론
김민숙(Minsook Kim),안치경(Chi Kyung Ahn),김동욱(Donguk Kim) 한국데이터정보과학회 2018 한국데이터정보과학회지 Vol.29 No.1
확률효과메타분석모형에서는 각 연구들로부터 추정된 처리효과추정량들이 근사적으로 정규분포를 따른다는 가정 하에 연구간 분산의 역수를 가중치로 사용하여 통합처리효과를 추정한다. 따라서 보다 정확한 연구간 분산 추정치를 얻기 위해서는 많은 수의 연구가 필요하다. 그러나 대부분의 임상 연구에서는 적은 수의 연구들을 가지고 메타분석이 시행되기 때문에 연구간 분산 추정치가 정확하지 않을 수 있고, 따라서 통합처리효과의 신뢰구간이 참값을 포함하지 않을 가능성이 높아지게 된다. Hartung과 Knapp (2001) 그리고 Sidik과 Jonkman (2002)은 단변량 모형에서 신뢰구간의 추정을 위한 HKSJ (Hartung-Knapp-Sidik-Jonkman)방법을 제안하여 이러한 문제를 해결하였으며, Jackson과 Riley (2014)는 HKSJ 방법을 다변량 모형으로 확장하였다. 그들은 모의실험을 통해서 Wald type 방법보다 HKSJ 방법에서 포함확률이 크게 향상됨을 보였다. 또한 Rover 등 (2015)은 모의실험을 통해 연구수가 아주 작은 경우에는 mKH (modified Knapp-Hartung)방법에서 포함확률의 개선효과가 더 우수함을 보였다. 본 연구에서는 Jackson과 Riley (2014)의 연구에 추가하여 mKH 신뢰구간의 개선효과를 살펴보고 상관관계가 있는 두 통합처 리효과에 대한 동시추론을 통하여 단일추론과 어떠한 차이가 있는가를 모의실험을 통해서 살펴보았다. 그 결과 연구수가 적고 이질성과 상관관계가 높은 경우 단일추론보다 동시추론에서 Wald type 신뢰구간의 포함확률이 현저히 낮았으며 이때 mKH 방법이 이러한 문제를 크게 향상시키는 것으로 나타났다. Meta-analysis is used to synthesize treatment effects from separate studies under the normality. Since the most clinical researches involve small number of studies, the inference for overall treatment effect may not be accurately estimated. Hartung and Knapp (2001) and Sidik and Jonkman (2002) proposed a refined method for univariate case to provide more accurate inference. Jackson and Riley (2014) extended this refined method to the multivariate case. They showed that the refined method for single overall treatment effect significantly improved the coverage probability (CP) over Wald type through simulation studies of 25 scenarios. In this paper we perform simulation study for inferences of a bivariate random effects meta-analysis based on the their 25 scenarios. We show that the refined method improves CP in simultaneous inference for multiple treatment effects and also how it differs from the results of inference for single treatment effect. It is revealed in our study that CP has greatly improved in simultaneous inference for multiple treatment effects than inference of single treatment effect especially in high correlation and heterogeneity.
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
