KCI등재
XAI SHAP 기반 토지 피복 구성에 따른 지표면 온도의 영향 분석 = Analysis of the Effect of Surface Temperature in accordance with the Composition of Land Cover Based on XAI SHAP
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2023
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
1735-1748(14쪽)
DOI식별코드
제공처
최근 인공지능 아키텍처의 발전과 하드웨어의 성능이 급속도로 개선되면서 다양한 인공지능모델들의 유용성이 증가하고 있다. 갈수록 복잡해지고 있는 인공지능 모델의 의사결정 분기점은 기하급수적으로 늘어나고 있으며, 이는 연구자의 모델 해석 용이성을 저해시키는 원인이 된다. 이에 따라 블랙박스 모형으로 알려진 인공지능 모형을 설명하기 위한 연구도 빠르게 발전하고 있다. 설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI)은 위와 같은 복잡성을 해소하기 위해 등장하였으며, 모델의 블랙박스를 연구자가 이해 가능한 수준으로 분해하여 해석 가능성 및 신뢰도 제고에 도움을 준다. 본 연구는 서울특별시 셀(cell) 단위의 토지 피복 데이터를 이용하여 특정 공간 단위의 지표면 온도를 추정한다. 고차원 데이터에 대한 기존 통계모형의 한계를 살펴보았으며, 머신러닝 모델을 이용하여 추정 결과를 비교하였다. 사용한 모형으로는 Lasso(Least absolute shrinkage and selection operator) 회귀, 랜덤포레스트 회귀(random forest regression), XGBoost(eXtreme Gradient Boosting)가 있으며, XGBoost 모델의 적합 결과를 바탕으로 SHAP(SHapley Additive exPlanation)을 통한 XAI 점검을 시행하였다.
더보기Recently, with the development of artificial intelligence architecture and the rapid improvement of hardware performance, various artificial intelligence models are attracting attention and their usefulness are increasing. However, unlike the rate of development of performance, the development of model's explanatory ability is slow to progress. The increasingly complex decision branching points of AI models are increasing exponentially, which hinders researchers' ease of model interpretation. Explainable Artificial Intelligence, XAI has emerged to solve the above complexity, and helps to improve interpretability and reliability by decomposing the black box of the model to a level that researchers can understand. This study estimates the surface temperature of a specific spatial unit using land cover data of a cell unit in Korea, Seoul. The limitations of the existing statistical model for high-dimensional data were examined, and the estimation results were compared using a machine learning model. Models used include Lasso regression(Least absolute linkage and selection operator), random forest regression, and XGBoost (eXtreme Gradient Boosting) regression. Finally, based on the fitted result of the XGBoost regression model, XAI SHAP was carried out.
더보기분석정보
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)