랜덤포레스트를 이용한 생존분석에서의 상관예측변수 중요도 개선 = Improving correlated variable importance for random survival forest
저자
발행사항
서울 : 고려대학교 대학원, 2023
학위논문사항
학위논문(석사)-- 고려대학교 대학원 : 통계학과 수리통계학전공 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
35 p ; 26 cm
일반주기명
지도교수: 조형준
UCI식별코드
I804:11009-000000271224
DOI식별코드
소장기관
랜덤포레스트는 분류와 회귀문제에서 종종 사용되는 앙상블 방법론으로 여러 의사결정나무를 융합함으로써 예측력을 높여준다. 융합으로 인한 해석의 문제점은 각 변수의 변수중요도를 평가하여 제공함으로 해결한다. 랜덤포레스트-생존모형은 랜덤포레스트의 장점을 바탕으로, 생존분석에 적용한 방법론이다. 하지만 랜덤포레스트를 적용할 때 예측변수간 상관관계가 있을 경우, 변수중요도가 하향 편향된다는 사실이 알려져 있다. 특히 랜덤포레스트-생존모형에서는 예측변수 간 선형상관관계 뿐만 아니라 비선형상관관계가 있을 경우에도 변수중요도가 하향 편향될 수 있다.
따라서 우리는 기존의 변수중요도를 구하는 알고리즘을 수정하여 변수중요도가 하향 편향되는 문제를 해결한다. 모의실험과 실제사례를 통해 두 개선 알고리즘이 하향 편향된 변수중요도를 개선하는 것을 설명한다. 특히 모든 변수의 변수중요도를 상향하는 것이 아닌, 선형 및 비선형관계의 예측변수가 개별적으로 중요한 변수인 경우에만 변수중요도를 상향한다. 이를 통해 본 논문에서 제시하는 두 알고리즘의 의의성을 확인한다.
Random forest is an ensemble method often used in classification and regression problems. It increases predictive power through fusing several decision trees. The problem of interpretation due to fusion is solved by evaluating and providing the importance of each variable. Random survival forest is a method applied to survival analysis based on the advantages of random forest. However, it is known that when applying a random forest, the importance of the variable is biased downward if there is a correlation between predictors. In particular, in the random survival forest, the importance of variables may be biased downward when there is a nonlinear correlation as well as linear correlation between predictors.
Therefore, we solve the problem of downward bias in variable importance by applying different methods to each existing algorithm. Through simulations and real data, it can be illustrated that the two modified algorithms improve the importance of downward biased variables. In particular, it does not increase the importance of all variables, but increases the importance of variables only when the predictors of linear and nonlinear relationships are individually important variables. Through this, the improvement of the two proposed algorithms presented is confirmed.
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)