| 한글제목(Korean Title) |
지역 전문가의 앙상블 학습 |
| 영문제목(English Title) |
Ensemble Learning ofRegional Experts |
| 저자(Author) |
이병우
양지훈
김선호
Byungwoo Lee
Yang jihoon
Seonho Kim
|
| 원문수록처(Citation) |
VOL 15 NO. 02 PP. 0135 ~ 0139 (2009. 02) |
한글내용
(Korean Abstract) |
본 논문에서는 지역 전문가를 이용한 새로운 앙상블 방법을 제시하고자 한다. 이 앙상블 방법에서는 학습 데이타를 분할하여 속성 공간의 서로 다른 지역을 이용하여 전문가를 학습시킨다. 새로운 데이타를 분류할 때에는 그 데이타가 속한 지역을 담당하는 전문가들로 가중치 투표를 한다. UCI 기계 학습 데이타 저장소에 있는 10개의 데이타를 이용하여 단일 분류기, Bagging, Adaboost와 정확도를 비교하였다. 학습 알고리즘으로는 SVM, Naive Bayes, C4.5를 사용하였다. 그 결과 지역 전문가의 앙상블 학습 방법이 C4.5를 학습 알고리즘으로 사용한 Bagging, Adaboost와는 비슷한 성능을 보였으며 나머지 분류기보다는 좋은 성능을 보였다. |
영문내용
(English Abstract) |
We present a new ensemble learning method that employs the set of region experts, each of which learns to handle a subset of the training data. We split the training data and generate experts for different regions in the feature space. When classifying a data, we apply a weighted voting among the experts that include the data in their region. We used ten datasets to compare the performance of our new ensemble method with that of single classifiers as well as other ensemble methods such as Bagging and Adaboost. We used SMO, Naive Bayes and C4.5 as base learning algorithms. As a result, we found that the performance of our method is comparable to that of Adaboost and Bagging when the base learner is C4.5. In the remaining cases, our method outperformed the benchmark methods. |
| 키워드(Keyword) |
앙상블 학습
Ensemble Learning
부스팅
Boosting
배깅
Bagging
지역 전문가
Region Experts
|
| 파일첨부 |
PDF 다운로드
|
