기업부실 예측모형의 성과개선을 위한 기하평균 최적화 기반의 부스팅 학습

• 영문명: Geometric Mean-based Optimization Boosting for Bankruptcy Prediction
• 발행기관: 한국IT서비스학회
• 저자명: 조성임(Jo, Sung Yim) 김명종(Kim, Myoung Jong)
• 간행물 정보: 『한국IT서비스학회 학술대회 논문집』2021 추계학술대회, 454~457쪽, 전체 4쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2021.11.17

국문 초록

범주 불균형 문제는 분류 모형의 예측 성과에 부정적인 영향을 미치는 문제로 이를 해결하기 위한 다양한 접근 방법이 제안되어 왔다. 본 연구는 기업부실 예측 모형에서 범주 불균형 문제에 적용된 AdaBoost 앙상블의 성과를 개선하기 위하여 기하평균 최적화 기반의부스팅 알고리즘인 GMOPTBoost를 제안한다. 검증을 위하여 불균형 비율이 상이한 4개의표본 군을 구성하여 10-fold 교차타당성 검증을 3회 수행하였다. 실험 결과, 첫째, 범주 불균형 문제가 예측 성과에 미치는 부정적인 영향을 확인하였다. 둘째, GMOPTBoost는 불균형 데이터와 균형데이터에 적용된 AdaBoost의 성과를 유의적으로 개선하였다.