KCI등재
k-평균 군집화와 인공신경망의 통합모형 구성: 주택가격추정 사례 = An Integrated Model of k-Means and Neural Network: For House Price Prediction
저자
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
34-41(8쪽)
DOI식별코드
제공처
In this paper, the existing methods and a new proposed method of integration of k-means clustering and artificial neural network are compared and their estimation powers are evaluated for house price estimation. In previous studies, the integration methods were applied to areas other than house price, but the results of applying them to house price estimation are better than that of single usage of artificial neural network without k-means clustering. In the existing integration method, the k-means clustering is considered as a method in which the input data of the artificial neural network is divided according to similarity and the characteristics of each cluster are additionally reflected in the artificial neural network. The proposed integration model is configured in such a way that the training data is first divided from the learning data and the artificial neural network is constructed from k-means clustering results of the training data. In addition, the validation and test data are classified into the same number of clusters based on the closest criterion to the cluster centers of the training data groups. MAE is evaluated to show improved estimation power compared to the existing integration methods in the case of housing price estimation. The integration method proposed in this paper can be used not only for housing price estimation but also for various estimation models.
더보기본 연구에서는 k-평균 군집화 및 인공신경망 모형의 통합적 활용방식을 주택가격 추정에 적용하였다. 기존의 통합적 방식을 정리하고 새로운 통합방식을 제안하였으며, 주택가격 추정에 적용 및 추정력을 비교·평가하였다. 기존의 통합방식 모형을 주택가격 추정에 적용한 결과는 앞선 연구결과와 마찬가지로, 인공신경망으로만 구성한 모형보다 k-평균 군집결과를 인공신경망에 통합적으로 적용한 경우가 나은 추정력을 보이는 것으로 평가되었다. 이와 더불어, 본 논문에서는 개선된 통합방식을 제안하고자 하였다. 기존의 통합방식은 k-평균 군집화 과정이 마치 인공신경망의 입력자료를 유사성에 따라 나누고, 군집별 특성을 추가적으로 인공신경망에 반영하는 방식으로 고려된다. 제안한 통합모형은 학습용 데이터로부터 분할한 훈련용 데이터의 k-평균 및 군집결과로부터 인공신경망을 구성하는 형태로 구성하였다. 그리고 검증용 및 테스트용 데이터는 훈련용 데이터의 군집중심과 최근접 기준으로 각각 동일한 수의 군집으로 분류하였다. MAE로써 평가한 결과, 주택가격 추정사례에서 기존의 통합방식과 비교하여 개선된 추정력을 보이는 것으로 평가되었다. 본 논문에서 제안된 k-평균 군집화 및 인공신경망의 통합모형은 주택가격 추정 뿐만 아니라, 다양한 추정모형으로 활용이 가능할 것으로 기대된다.
더보기분석정보
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)