KCI등재
금융 분야의 범주 불균형 문제 해결을 위한 성과 최적화 기반의 부스팅 학습 = Performance optimization-based boosting algorithm for resolving class imbalance problems in finance
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
749-762(14쪽)
DOI식별코드
제공처
본 연구에서는 금융 분야의 범주 불균형 문제에 적용된 부스팅 계열 알고리즘의 성과 개선을 위하여 성과지표에 대한 직접적인 최적화 기법을 도입한 GMBoost(Geometric Mean-based Boosting) 기법을 제안한다. 본 연구에서는 기업 부실, 카드 연체 및 카드 사기와 같은 대표적인 범주 불균형 금융 문제를 대상으로 GMBoost의 성과를 비교했다. 성과 비교를 위해 벤치마킹 모형으로 부스팅 계열 알고리즘인 AdaBoost, GBM, XGBoost를 활용하였으며, 이들과 GMBoost간의 성과 차이를 비교하였다. 30회의 교차 검증을 통하여 분석한 결과, 첫째, 다수 범주의 특이도에 초점을 맞추어 학습을 진행하여 범주 불균형 문제에서 유의한 성과를 내지 못하는 기존 부스팅 모형과는 달리 GMBoost는 다수 범주의 특이도와 소수 범주의 민감도를 동시에 고려하는 균형적인 학습을 진행함으로써 범주 불균형 문제 해결에 효과적임을 확인하였다. 둘째, 기존 부스팅 모형과 비교하여 GMBoost는 GM 및 AUC 측면에서 우수한 예측 성과를 보여주고 있으며, GM 및 AUC에 대한 t-검정 결과에서도 유의적인 성과 차이를 보여주었다.
더보기In this paper, we propose a GMBoost (Geometric Mean-based Boosting) with a direct performance optimization technique to resolve class imbalance problem in financial field, such as bankruptcy, card insolvency, and card fraud. The conventional boosting models including AdaBoost, GBM, and XGBoost are used as benchmarking models for performance comparison. The main findings of 30 rounds of cross validations are as follows. First, the conventional boosting models largely depend on the specificity of majority, but ignore the sensitivity of minority. On the contrary, GMBoost proceeds with balanced learning that simultaneously considers the specificity and the sensitivity at the same time. Second, GMBoost outperforms the conventional boosting algorithms in terms of GM and AUC, and the results of the t-test for GM and AUC also showed that the performance of GMBoost is significantly different from those of the benchmarking models.
더보기서지정보 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)