KCC 2021
Current Result Document :
| 한글제목(Korean Title) |
의료 데이터를 활용한 AutoML 프레임워크 성능 비교 |
| 영문제목(English Title) |
A Performance Comparison of AutoML Frameworks using Medical Data |
| 저자(Author) |
신승훈
주기훈
임현승
박준범
Seunghun Shin
Gihun Joo
Hyeonseung Im
Junbeom Park
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 1042 ~ 1044 (2021. 06) |
한글내용
(Korean Abstract) |
최근 기계학습과 관련된 연구가 활발해지면서 기계학습 파이프라인을 자동으로 구축해주는 AutoML의 인기가 급부상하고 있다. 하지만 실제 특정 분야의 사용자가 어떠한 AutoML 프레임워크를 사용해야 좋은 결과를 얻을 수 있는지는 알기 어렵다. 본 논문에서는 의료 분야에 초점을 두고, 공개된 3가지 의료 데이터에 대해 오픈소스 AutoML 프레임워크인 Auto-Sklearn, TPOT, H2O AutoML, AutoGluon, mljar를 이용하여 자동으로 생성한 모델의 예측 성능을 정확도, F1 점수, AUROC의 관점에서 비교, 분석하였다. 실험 결과 이진 분류의 경우 AutoGluon과 mljar가 AUROC 값이 0.8045로 가장 좋은 성능을 보여주었으며, 다중 분류의 경우 mljar가 AUROC 값이 0.727, 정확도가 0.618, F1 점수가 0.582로 다른 프레임워크에 비해 더 좋은 성 능을 보이는 것을 확인할 수 있었다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
