KSC 2020
Current Result Document : 4 / 4
| 한글제목(Korean Title) |
LightGBM을 사용한 SHAP 기반의 설명 가능한 인플루엔자 발생 예측 |
| 영문제목(English Title) |
SHAP-based Explainable Influenza Occurrence Forecasting using LightGBM |
| 저자(Author) |
박성우
문재욱
정승원
정승민
황인준
Sungwoo Park
Jaeuk Moon
Seungwon Jung
Seungmin Jung
Eenjun Hwang
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0666 ~ 0668 (2020. 12) |
한글내용
(Korean Abstract) |
매년 전 세계 인구의 약 10%가 인플루엔자에 걸리고 있으며 이로 인하여 사회에 막대한 의학적 및 경제적 영향을 끼치고 있다. 백신을 통해 인플루엔자를 예방하기 위해서는 보다 정확한 인플루엔자 발생 예측기술이 필요하며, 인플루엔자가 유행하기 몇 개월 전에는 예측이 수행되어야 한다. 기계학습 기법 기반의 예측모델은 통계적 기법보다 좋은 예측 성능을 보이지만 적절하지 않은 데이터를 입력변수로 사용할 경우 예측 성능이 저하될 수 있으며, 모델 내부에서 일어나는 의사결정 과정을 확인할 수 없어서 모델을 완전히 신뢰하고 사용할 수 없다. 이에 본 논문에서는 유클리드 거리 유사도를 통해 학습에 사용할 데이터를 선택하고 LightGBM을 사용하여 예측모델을 구성한 뒤 SHAP을 통하여 분석하는 설명 가능한 인플루엔자 발생 예측기법을 제안한다. 제안한 기법을 통하여 좋은 예측 성능을 보이면서도 예측값을 도출하는데 어떤 입력변수가 어느 정도의 영향을 주는지를 확인할 수 있으며, 추후 이러한 결과를 분석한 후 사용하게 되면 모델의 성능도 발전시킬 수 있을 것으로 기대된다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
