영과잉 포아송 자료를 위한 의사결정나무 연구

• 영문명: A Study on Decision Tree for Zero-Inflated Count Data
• 발행기관: 한국자료분석학회
• 저자명: 최보미(Bo-Mi Choi) 이성건(Seong-Keon Lee)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.13 No.4, 1799~1810쪽, 전체 12쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2011.08.30

국문 초록

데이터마이닝의 방법론 중의 하나인 의사결정나무 분석은 해석이 용이하다는 장점으로 널리 활용되고 있는 분석 알고리즘이다. 의사결정나무 분석은 분리기준, 정지규칙, 가지치기 방법 등에 따라 다양한 알고리즘들이 제안되었다. 본 논문의 목적은 목표변수가 영과잉 이산형인 경우에 자료를 의사결정나무를 제안하는 것이다. 이는 Chaudhuri et al.(1995)이 제안한 일반화 회귀나무를 이를 개선한 것으로, 영과잉 이산형 자료에 영과인 포아송 회귀모형을 적합시켜 잔차를 계산한 후 이를 회귀나무를 이용하여 나무를 생성하는 것이다. 또한 분리변수와 분리점의 선택과정에서 기존의 알고리즘을 개선하여 가중평균 분리점을 고려하여 회귀나무를 형성하였다. 모의실험과 실제 자료분석을 통하여 효율성을 비교한 결과 최적 분리점의 선택에서 개선을 있음을 확인하였다.

영문 초록

Decision tree, one of data mining techniques, is a popular approach which has advantages of its interpretability. In this study, we propose a decision tree for zero-inflated count data. Zero-inflated Poisson distribution is more applicable distribution in case of excess zeros than regular Poisson probability distribution as a discrete type probability distribution. The data of that has excess zeros come out in various fields, and there are many studies on the data. But it hard to find decision trees for zero-inflated count data. Conventional methods cannot be achieved for the data. So it is needed to build up a decision tree for zero-inflated count data. It will be constructed on basis proposed split criterion with Chaudhuri et al.(1995)’s generalized regression tree. We suggest a split point using weighted mean instead of mean. Simulation study and A-telecom data analysis are performed to demonstrate the performance of the proposed method and to show the competitive decision tree.

목차

1. 서론

2. 일반화 회귀나무(generalized regression tree)

3. 개선된 알고리즘을 이용한 영과잉 회귀나무

4. 모의실험

5. 자료분석

6. 결론 및 향후 연구과제

참고문헌

키워드

의사결정나무 영과잉 포아송 분포 일반화 회귀나무 decision tree zero inflated Poisson distribution generalized regression tree