Feature Selection을 이용한 중요변수 선택방법에 관한 연구 = A Study on the Important Variable Selection Method by Feature Selection
저자
발행사항
서울 : 중앙대학교 대학원, 2008
학위논문사항
학위논문(석사)-- 중앙대학교 대학원 : 통계 통계학 2008. 2
발행연도
2008
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
iv, 74 p. ; 26 cm
일반주기명
지도교수: 이용구
DOI식별코드
소장기관
데이터 마이닝 프로젝트의 큰 특징은 분석에 이용되는 자료에서 관측된 변수의 수가 수백에서 수천 개로 매우 큰데 이 변수들이 잠재적으로 예측변수로 고려될 수 있어서 모형을 구할 때 어떤 변수를 어느 정도의 적절한 수로 선택해야 하는 결정에 많은 시간이 소요된다. 이런 문제를 해결하기 위하여 클레멘타인의 Feature Selection을 제시한다.
Feature Selection은 알고리즘에 의하여 연속형 변수와 범주형 변수를 포함한 대량의 데이터에서 관측된 많은 입력변수들을 거르기[screening]단계 와 순위화[ranking]단계 과정을 거치면서 중요변수를 선택한다.
본 논문의 목적은 목표변수가 있는 지도학습 모형에서 입력변수들을 중요도 순서에 따라 순위를 부여하는 Feature Selection에서 선택된 변수와 기존에 중요변수를 선택하는 방법으로 많이 활용하는 로지스틱 회귀분석, CHAID, 신경망 분석들에서 선택된 각각의 중요변수들과 상호 비교하여 차이점과 공통점을 분석하는데 있다.
The most significant feature of Data mining project is that the numbers of observed variables in the data being used in analysis are so large that it reaches several hundreds to several thousands, and also that a large amount of time is required for decision making on what variables should be selected by how many proper numbers of some variables to a certain extent when seeking a model, for these variables may be considered predictable variables potentially. To solve such problems, researcher proposed Feature Selection of Clementine.
Feature Selection chooses important variables among many input variables that observed in mass data including continuous variable and categorical variable in accord with algorithm passing through screening and ranking phase.
The purpose of this research was to analyze the differences and common factors in the supervised learning model having target variable having conducted mutual comparison between input variables and the important variables selected each by the Logistic Regression Analysis, CHAID [Chi-squared Automatic Interaction Detection], and Neural Network, which are most frequently used method for analysis, in a way of selecting the already chosen variables and the existing important variables in Feature Selection that assigns rankings according to the order of importance.
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)