오분류 비용 최소화 특징 선정을 위한 최대 여분 유전 알고리듬

전문가 제언

○ 특징 선정에서 오분류 비용의 비대칭성이 증가하면 문제가 어려워진다. 본 논문에서는 이를 위해서 오분류 비용 최소화 특징 선정(MCMFS)을 제안하는데 MCMFS는 MCM과 FS의 두 문제를 포함하여 두 단계 접근 방법을 사용하여 1 단계에서는 의사 결정 특징을 선정하고 2 단계에서는 선정된 특징에 근거한 오분류 비용 최소화 판별식을 학습하는 것이 본 논문의 주된 논거이다.

 

○ FS에서는 탐색 기반의 BT와 SA를 사용하고 MCM에서는 SVM과 GA를 사용하여 BT-MMGA, BT-SVM 그리고 SA-MMGA의 세 가지 혼성 방법을 사용하여 오분류 비용이 비대칭적인 여러 경우를 검증했는데 오분류 비용이 일정하면 SVM이 우수하나 비대칭인 경우에는 저자들이 제안한SA-MMGA이 가장 유리하다는 결론이나 창의성은 약간 결여된다.

 

○ ScienceDirect에서 feature selection을 검색하면 64,982편의 논문이 있어서 광대한 분야이다. 본 논문에서는 feature selection의 재정 분야 응용에 대한 한국인 논문이 1편 인용되고 있어서 feature selection에 대해서는 국내 연구가 활발할 것으로 추측된다. 이를 misclassification cost minimizing으로 제한하면 699편의 논문이 검색된다. 이중에 26편의 한국인 논문이 있는데 비례를 보면 4%에 미치지 못하지만 절대적인 수로 보고 인용된 논문이 있는 것을 감안하면 misclassification cost minimizing feature selection은 국내 과학자들의 관심을 모으고 있는 연구 분야이다.

 

○ 26편의 한국인 논문을 분류하여 보면 classifier에 관한 것이 9편으로 가장 많으며, feature selection에 관한 것이 4편, 위의 두 분야의 세부 기법이라고 할 수 있는 신경망 또는 SVM에 관한 논문이 4편, modelling 에 관한 것이 3편. prediction에 관한 논문이 2편, marketing이 2편 등으로 다양한 분야를 포함하고 있으나 모두 feature selection과는 관련이 있어서 이 분야에 대한 국내 관심이 재확인된다.

 

 

저자

Parag C. Pendharkar

자료유형

학술정보

원문언어

영어

기업산업분류

정보통신

연도

2013

권(호)

40(10)

잡지명

Expert Systems with Applications

과학기술
표준분류

정보통신

페이지

3918~3925

분석자

김*창

분석물

• 오분류 비용 최소화 특징 선정을 위한 최대 여분 유전 알고리듬.pdf [276,163 byte]

이미지변환중입니다.