KCI등재
표준화 연관성 평가 측도에 의한 규칙 수 추정 모형의 비교에 관한 연구 = Comparison of Regression Models by Standardized Association Thresholds for Rule Number Estimation
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2018
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
1181-1189(9쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
We have used data mining technique such as association rule, decision, regression analysis, and clustering for optimal decision making from big data. Association rule mining is a popular and well studied method for discovering useful rules among items in large amounts of database using thresholds such as support, confidence, and lift. Association thresholds are useful in that they show the tools for pruning uninteresting rules logically. But these thresholds are chosen by experiences, and so the number of meaningful rules is hard to estimate (Park, 2014b). If too many rules are generated, we can’t effectively extract meaningful information by association rule technique (Park, 2013). In this paper, we designed several multiple non-linear regression models between the number of rules and standardized interestingness measures. And then we compared these equations with regression models of elementary thresholds by simulation study. We confirmed that regression models of standardized interestingness measures were better than those of original thresholds.
더보기빅 데이터로부터 최적의 의사결정을 하기 위해 연관성 규칙, 의사결정나무, 군집분석, 그리고 회귀분석 등의 데이터마이닝 기법이 많이 활용되고 있다(Park, 2013). 이들 중에서 연관성 규칙은 각 항목간의 연관성을 평가하기 위해 지지도, 신뢰도, 향상도 등의 기준 측도를 근거로 하여 규칙을 생성하게 된다. 본 논문에서는 연관성 규칙의 수를 결정하기 위해 가장 바람직한 비선형 회귀 모형을 선정하는 방안을 강구하고자 한다. 이를 위해 기본적인 연관성 평가 기준에 의한 모형과 표준화 평가 기준을 이용한 모형에 대해 회귀계수를 추정한 후, 다중공선성 문제를 진단하고 각 모형의 기여도를 비교하였다. 그 결과, 기본적인 연관성 평가 기준을 고려한 회귀 모형은 모형의 적합도 관점에서는 모두 유의하고 자기상관계수의 값이 모두 2에 가까우며, 모형에 고려된 많은 측도들이 의미가 있는 것으로 나타났으나 분산팽창계수의 값들이 모두 10을 초과하게 되어 다중공선성이 존재하는 것으로 나타났기 때문에 모든 모형이 의미가 없는 것으로 나타났다. 반면에 표준화 연관성 평가 기준을 적용한 회귀 모형은 적합도를 만족하는 동시에 자기상관계수의 값이 모두 2에 가깝게 나타났으며, 분산팽창계수도 기본적인 모형에 비해 훨씬 작은 값으로 나타나서 바람직한 모형을 찾을 수 있었다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.26 | 1.26 | 1.15 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.05 | 0.98 | 0.956 | 0.4 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)