데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
랭킹 데이타를 활용한 회귀분석 성능 개선 |
| 영문제목(English Title) |
Can Ranking Data Help Regression? |
| 저자(Author) |
나승훈
김성철
유환조
Seunghoon Na
Sungchul Kim
Hwanjo Yu
|
| 원문수록처(Citation) |
VOL 26 NO. 01 PP. 0061 ~ 0070 (2010. 04) |
한글내용
(Korean Abstract) |
본 논문에서는 기존의 회귀분석 문제에 있어서 회귀분석 데이터 이외에 추가적인 랭킹 데이터가 존재할 경우에 두 데이터를 모두 활용하여 회귀분석의 성능을 개선시키는 새로운 형태의 학습법을 제안한다. RankSVR은 이 논문에서 제안하는 새로운 형태의 회귀분석 기법으로, 회귀분석 문제에서 가장 널리 사용되는 SVR(Support Vector Regression)의 회귀분석 함수를 회귀분석 데이터와 랭킹 데이터를 모두 사용할 수 있도록 변형한 새로운 형태의 margin maximization 알고리즘이다. 본 논문의 실험결과는 몇 개의 toy예제와 실제 데이터를 사용하여 적절한 파라미터를 사용한 RankSVR이 기존의 SVR보다 더 좋은 성능을 낸다는 것을 보여준다. 랭킹 데이터와 회귀분석 데이터를 모두 고려하는 문제는 그 동안 거의 다루어지지 않은 새로운 문제이고, 이 문제를 max-margin 기법을 활용하여 해결하였다는 것이 본 논문의 가장 큰 성과라고 할 수 있다. |
영문내용
(English Abstract) |
In this paper, we consider a new type of supervised learning problem for regression when a large number of ranking data is available in addition to the original regression training data. We propose a new type of margin maximization algorithm, RankSVR, which is a generalization of SVR(Support Vector Regression), that learns a regression function from both regression and ranking data. Experimental results on toy examples and several real datasets show that RankSVR significantly improves SVR in the range of reasonable parameter settings. |
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
