(A) model-free soft classification with a functional predictor

국문 초록 (Abstract)

본 논문은 함수형 데이터가 독립변수로 사용되는 경우 확률값을 도출하는 새로운 방법론을 제안하였다. 본 방법론은 연속적인 가중치 값을 함수형 가중 서포트 벡터 머신에 적합하여 확률값을 도출하였으며 이는 손실함수의 피셔 일관성(Fisher consistency) 성질로 뒷받침된다. 본 방법론은 비모수적 방법이기에 유연하고 복잡한 모델 구축이 가능하며 연산의 효율성을 갖추었다. 또한 쌍별 결합(pairwise coupling) 알고리즘을 사용해 이진 분류에서 나아가 다범주 분류에도 적용이 가능하게 되었다. 모의 실험에서는 기존의 확률 추정방법론인 로지스틱 방법과 본 논문에서 제안한 방법 간의 비교를 통해 성능을 입증하였으며 실제 데이터 적합을 통해 적용 가능성을 확인하였다.

목차 (Table of Contents)

• 1 Introduction1
• 2 Probability Estimation Via WSVM 4
• 2.1 Weighted SVM 4
• 2.2 Class Probability Estimation from WSVM 5
• 3 Proposed Method 7
• 3.1 Functional Weighted SVM 7
• 3.2 π-Path Algorithm 8
• 3.3 Pairwise coupling 9
• 4 Illustrations 13
• 4.1 Simulation 13
• 4.1.1 Binary Classication 14
• 4.1.2 Multiclass Classication 18
• 4.2 Real Data 19
• 4.2.1 Tecator Data 19
• 4.2.2 Phoneme Data 23
• 5 Conclusion 28