다중 형태 데이터를 위한 요소선택 방법

• 영문명: Feature Selection for Mixed type of Data
• 발행기관: 한국산업경영시스템학회
• 저자명: 양재경(Jaekyung Yang) 이태한(Taehan Lee)
• 간행물 정보: 『산업경영시스템학회지』제33권 제1호, 114~120쪽, 전체 7쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2010.03.30

국문 초록

데이터마이닝의 사전 단계에서 데이터의 차원(Dimensionality)을 줄이기 위한 단계로서 많은 요소선택(Feature Selection)방법들이 개발되었다. 이 방법은 결과를 예측하거나 데이터를 설명하고자 할 때 어떤 요소들이 관련이 있는지를 결정하는 과정을 포함한다. 또한 이 방법은 데이터의 크기에 대한 확장성(Scalability)를 향상시키며 학습 모델을 더욱 이해하기 쉽도록 줄 수 있다. 이 논문에서는 NP(Nested Partition) 방법을 사용한 최적화 기반의 새로운 요소선택 방법을 NP 구조의 기본적인 이론 근거와 함께 제안한다. 또 한편으로 많은 요소선택 방법들이 다중 형태의 데이터를 처리하는데 한계를 가지고 있는데, NP 기반의 요소선택 방법에 다중 형태의 데이터를 처리할 수 있도록 하는 요소 성능 평가도구(Evaluators)를 도입하여 이를 극복하고자 한다. 또한 어떤 평가도구가 특정 데이터 형태에서 더욱 좋은 결과를 보이는지를 실험 결과와 함께 제시하였다.

목차

1. Introduction

2. The models

3. Feature Selection for Mixed Type of Data

4. Numerical Results

5. Conclusions

키워드

Data Mining Feature Selection Nested Partition Mixed Type of Data