Support Vector Machine을 이용한 분류분석 = Classification using support vector machine
저자
발행사항
인천 : 仁荷大學校 大學院, 2003
학위논문사항
학위논문(석사)-- 인하대학교 대학원: 통계학과 2003. 2
발행연도
2003
작성언어
한국어
주제어
KDC
413.8 판사항(4)
DDC
519.5 판사항(21)
발행국(도시)
인천
형태사항
31p. : 삽도 ; 27cm.
일반주기명
참고문헌수록
소장기관
근래에 들어, Support Vector Machine(SVM은 분류분석, 추정, 회귀분석을 수행할 수 있는 신경망에서 매우 기능적이고 인기가 있는 주제가 되었다. 또한, SVM과 같은 통계적 학습 이론에 기초를 둔 새로운 전형적인 기계학습의 활용도가 연구되고 있다.
SYM 알고리즘에서의 중요한 과제는 분류분석 문제에서 분류 경계선의 위치를 정하는 것이다. 또한, 특정 과제에 대한 다양한 접근방법을 이해하는 것이 중요하다.
이 논문에서는 SVM의 이론에 대하여 정리를 해보았고, 특정 분류분석 관점에서의 SVM의 잠재적 능력과 분류분석 문제에서 선형문제와 커널 함수를 이용한 비선형 문제를 여러 개의 데이터를 적용하여 설명하였다.
다른 분류분석 알고리즘인 neural network와 k-nearest neighborhood 등을 포함하여 다른 분류분석 방법과의 오 분류를 계산하여 비교해 보았다. 또한, 기존의 분류분석 알고리즘에서 사용되어 오던 micro-array 데이터에 SVM을 이용한 분류분석을 적용시켜 보았다. 그에 따른 SVM의 결과는 다른 분류분석 알고리즘과 비교하여 가장 좋다고 할 수 없으나 SVM은 매우 경쟁적이고, 다른 변수 선택기법을 SVM과 같이 사용한다면 오류 비율을 향상시킬 수 있을 것이다.
In recent years, Support Vector Machine(SVM) has become a very dynamic and popular topic in the Neural Network community for its abilities to perform classification, estimation, and regression. The possibility of using another machine learning paradigm which is firmly based on the theory of statistical learning, namely that of the Support Vector Machine (SVM), is investigated.
One of the major tasks in the SVM algorithm is to locate the discriminant boundary in classification task. It is crucial to understand various approaches to this particular task.
Current theory of SVM is reviewed and potential ability of the SVM for feature classification and classification problems are demonstrated by applying several data sets to various type of kernel functions method.
We compare the misclassification error rate of SVC with those of other classification algorithms such as neural network and k-nearest neighborhood, etc.
We also have applied SVM classification(SVC) to the famous micro-array data set along with the other well-known classification algorithins.
The performance of SVC is not the best among the existing classification algorithms but it is very competitive in most of the cases. Combing the SVC with appropriate variable selection algorithm would give us lots of hope in terms of reducing the misclassification error rates.
분석정보
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)