KCI등재
고차원 선형모형에서 벌점화우도 방법을 이용한 변수 선택방법 연구 = The Study of Variable Selection Methods Using the Penalized Likelihood Methods in High-dimensional Linear Model
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2015
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
2391-2402(12쪽)
KCI 피인용횟수
5
제공처
If the sample size is greater than the number of covariates or parameters, typically forward selection, backward elimination and stepwise selection methods are used among several variable selection methods. However, in the case of high-dimensional linear models, it is difficult to use such methods. In order to overcome this problem, penalized likelihood, also called regularization or shrinkage, methods may be used in high-dimensional linear models. This paper considers several variable selection methods used in high-dimensional linear models, and investigates the applicability of penalized likelihood methods. We briefly review ridge, LASSO, LARS, elastic net, adaptive LASSO, and apply these methods to the real data, prostate and Korea economic index data. Numerical results indicate that the best method was the LARS algorithm among five penalized likelihood methods based on RSS, AIC and BIC.
더보기선형회귀모형에서 표본 크기 이 공변량의 수 보다 큰 경우 여러 가지 변수 선택방법 중 일반적으로 전진적 선택방법, 후진적 제거방법, 단계적 선택방법 등이 사용된다. 하지만, 가 에 비해 매우 큰 경우인 고차원문제를 가지는 선형모형에서는 이러한 방법들을 사용하는 데에 어려움이 있다. 이러한 변수선택의 어려운 점을 극복하기 위해 유의하지 않은 변수들을 제거하는 다양한 regularization 또는 shrinkage 방법이라고도 불리는 벌점화우도(penalized likelihood) 방법들이 고차원 선형모형에서 제안되었다. 본 논문은 고차원 선형모형에서 사용이 용이한 변수 선택방법에 대한 연구로, 여러 가지 벌점화우도 방법들에 대해 알아보고 그 응용성을 알아본다. 그 중에서 ridge, LASSO, LARS, elastic net, adaptive LASSO 등 다섯 가지 벌점화우도 방법의 특징을 간단히 살펴보고, 실제 자료인 전립선(prostate) 자료와 한국 경제 수치자료에 적용해 본다. RSS, AIC, BIC를 평가기준으로 다섯 가지 벌점화우도 방법의 실 자료 분석 결과 고차원 선형모형에서 가장 적합한 방법은 LARS 알고리즘이었다.
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)