진화형 SVM 앙상블 기법을 이용한 부실예측모형의 개발

국문 초록 (Abstract)

앙상블 학습은 분류 및 예측 알고리즘의 성과를 걔선하기 위한 기법이다. 그러나 앙상블 학습의 성과는 분류자 사이에 높은 상관관계가 존재할 경우 다중공선성 문제로 예측 및 분류성과가 약화된다. 본 논문은 다중공선성문제를 해결하기 위하여 유전자 알고리즘 기반의 최적화 알고리즘을 제안한다. 제안 알고리즘의 검증을 위하여 국내 기업의 기업부실예측 실험을 수행한 결과 제안 알고리즘은 SVM 앙상블 학습의 성과를 유의적으로 개선함을 보여주었다.

다국어 초록 (Multilingual Abstract)

Ensemble learning is a method for improving the performance of classification and prediction algorithms. However, its performance can be degraded due to multicollinearity problem where multiple classifiers of an ensemble are highly correlated with. This paper proposes genetic algorithm-based optimization techniques of SVM ensemble to solve multicollinearity problem. Empirical results with bankruptcy prediction on Korea firms indicate that the proposed optimization techniques can improve the performance of SVM ensemble.