(A) comparison study on classification performance using support vector machine = Support vector machine 기법을 이용한 분류성능 비교연구
저자
발행사항
Seoul : Graduate School, Yonsei University, 2002
학위논문사항
학위논문(석사) -- Graduate School, Yonsei University : Dept. of Applied Statistics 2002.2
발행연도
2002
작성언어
영어
주제어
발행국(도시)
서울
형태사항
vii, 49장 : 삽도 ; 26 cm
일반주기명
지도교수: Yunkee Ahn
소장기관
전통적인 판별·분류 (discriminant and classification) 문제는 Fisher의 판별분석이나 로지스틱 회귀분석과 같은 기법들이 이용되어 왔다. 이 논문에서는 최근 Vapnik이 고안해낸 support vector machine (SVM) 방법이 분류와 회귀분석 문제에 있어서 뛰어난 성능을 보이고 있다고 알려지고 패턴인식 (pattern recognition) 방법, 특히 face recognition 문제에 널리 쓰이게 됨에 따라서 이 방법을 통계학의 판별·분류분석에 적용하여 보고자 하였다.
이 논문은 기존에 쓰이던 Fisher의 판별분석이나 로지스틱 회귀분석의 분류성능과 support vector machine의 분류성능을 오분류율로 비교하고, 궁극적으로는 support vector machine의 우수성을 확인하는 데에 그 목적이 있다. 이를 위해 여기에서 사용된 자료들은 그 크기가 비교적 작기 때문에 오분류율을 추정하기 위한 방법으로 train-and-test나 crossvalidation을 이용하는 것은 적당하지 않았다고 보아 bootstrap 방법을 이용하였고, 이 때 bootstrap 반복의 횟수는 200회로 하였다.
이와 같이 Fisher의 판별분석, 로지스틱 회귀분석, support vector machine 방법을 간단한 몇 가지 자료들에 적용하여 본 결과, support vector machine 방법의 분류성능이 다른 방법들에 비해 우수함을 나타내었다.
As classical methods of discriminant and classification analysis, Fisher's discriminant analysis and logistic regression have been widely used. In this thesis, support vector machine (SVM) which was proposed by Vapnik in 1995 is introduced and applied to classification problem.
This paper aims at comparing classification performances of three mentioned methods and confirming the better classification performance of SVM. Several data sets used here were so small and simple that it was not sufficient to compare only their apparent error rates or to use train-and-test or crossvalidation. Therefore, the bootstrap method was used for estimating error rates and the number B of bootstrap replicate samples was 200. Discriminant analysis, logistic regression, and SVM for classification problem were applied to the several simple data sets and the error rates of SVM were smaller than others, that is, SVM performed better than others methods.
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)