기계 학습을 이용한 고객 분류 성능 비교

• 영문명: Comparison of Customer Classification Performance Using Machine Learning
• 발행기관: 한국자료분석학회
• 저자명: 엄정길(Jung Gil Eom) 서한손(Han Son Seo) 윤예분(Yeboon Yun) 윤민(Min Yoon)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.14 No.5, 2441~2450쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2012.10.30

국문 초록

패턴분류의 한 도구로서 기계학습은 광범위하게 연구되고 있다. 최근에 기계학습 방법 중에서 서포트 벡터 기계(support vector machines)는 이진 패턴 분류문제에서 고차원의 특징공간에서 두 집합들 사이에 가장 큰 분리를 제공하는 최대 여유도(margin)를 가지는 분리 초평면을 찾는 것이다. 특히 선형 분류기들은 두 집합들 사이를 최대 여유도 분리를 얻기 위하여 최적화한다. 이러한 작업들은 이차계획문제(quadratic programming)나 일차계획문제(linear programming)와 같은 수리계획법의 어떤 형태를 풀어내는 것으로 얻어진다. 본 논문에서는 신용 평가 자료를 이용하여 고객 분류 문제에 있어서 전통적인 분류 방법인 로지스틱 회귀분석과 서포트 벡터 기계를 이용하여 분류 성능을 비교하였다. 테스트 집합에서 로지스틱 회귀분석과 서포트 벡터 기계의 오분류율은 각각 1.89%와 1.73%로 얻어졌다. 결국 서포트 벡터 기계의 오분류율은 로지스틱 회귀분석보다 다소 개선됨을 알 수 있었다.

영문 초록

As a tools of pattern classification problem, machine learning has been globally studied. Support vector machines, as a kind of machine learning, is the pattern classification problem with two class sets, recently. This idea is to find a maximal margin separating hyperplane which gives the largest separation between then classes in a high dimensional feature space. Linear classifiers then are optimized to give the maximal margin separation between the classes. The task is performed by solving some type of mathematical programming such as quadratic programming or linear programming. In this paper, compared the customer classification performance using logistic regression and support vector machine with customer credit data. The misclassification rate of logistic regression and support vector machine in testing data is 1.89% and 1.73% respectively. Consequently, the misclassification rate of support vector machine is slightly superior to logistic regression.

목차

1. 서론

2. 선행연구의 고찰

3. 서포트 벡터 기계

4. 실험연구

5. 결론 및 향후과제

참고문헌

키워드

기계학습 서포트 벡터 기계 고객 분류 신용평가 machine learning support vector machine customer classification credit scoring system