서지주요정보
Generating rules by inductive machine learning : exploratory application on stock investment = 歸納的 自動學習에 의한 知識生成 시스템의 開發 : 株式投資에의 適用
서명 / 저자 Generating rules by inductive machine learning : exploratory application on stock investment = 歸納的 自動學習에 의한 知識生成 시스템의 開發 : 株式投資에의 適用 / Hyun-Soo Kim.
저자명 Kim, Hyun-Soo ; 김현수
발행사항 [서울 : 한국과학기술원, 1987].
Online Access 제한공개(로그인 후 원문보기 가능)원문

소장정보

등록번호

4104237

소장위치/청구기호

학술문화관(문화관) 보존서고

MMGS 8709

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

Knowledge is a basic component of expert system. But knowledge acquisition for business problems like stock investment is difficult because the knowledge is unstructured and time dependent. Therefore knowledge acquisition via domain expert is not suitable. In this research, based on the Quinlan's ID3, the knowledge acquisition by machine learning was adopted. This machine learning generates knowledge from a large data base of examples by inductive learning. The knowledge is rule based type and is represented by tree structure. This learning system selects the most discriminatory attribute first and put the attribute on root node of tree, and selects next most discriminatory attribute as the root of lower level subtree. This process continues until all discriminating attributes are included in the rule base. The measure of discriminatory power of an attribute is entropy and the strength of a rule is measured by certainly factor. The system was constructed in supermicro computer and exploratory knowledge on stock investment is generated. This system is general enough to apply to any domain as far as the structure of examples is the combination of attributes and values.

지식( Knowledge )은 전문가 시스템의 매우 중요한 구성 요소이나 적용분야의 지식이 비정형적이고 시간이 지남에 따라 변경이 심할 때 전문가로 부터 지식을 이전하는 지식 습득 방식은 적당하지 못하게 된다. 본 논문은 Quinlan의 ID3에 기초하여 자동학습을 통해 보기( example )로부터 지식을 생성하는 전문가 시스템을 개발하여 주식 투자 분야에 시험적인 적용을 하여 보았다. 이는 보기로 부터의 연연적 자동학습이며 지식을 rule base 로 표현하고 이는 또한 특성( attribute=node )과 값 ( value=branch )으로된 나무 구조( tree structure )로 표현된다. 나무 구조의 생성 방식은 discriminating power가 가장 큰 특성 즉,data의 불확실성( uncertainty )을 가장 줄여주는 특성부터 node를 구성하게 한다. data의 불확실성은 entropy로 표현되며 생성된 rule의 strength는 certainty factor로 표현된다. 본 논문은 주식 투자분야에 적용하여 생성된 rule의 hit ratio를 계산해 보았다.

서지기타정보

서지기타정보
청구기호 {MMGS 8709
형태사항 iii, 76 p. : 삽도 ; 26 cm
언어 영어
일반주기 Includes appendix
저자명의 한글표기 : 김현수
지도교수의 영문표기 : Jae-Kyu Lee
지도교수의 한글표기 : 이재규
학위논문 학위논문(석사) - 한국과학기술원 : 경영과학과,
서지주기 Reference : p. 63-66
주제 Investment analysis.
Learning.
Stocks.
투자 분석. --과학기술용어시소러스
지식 공학. --과학기술용어시소러스
전문가 시스템. --과학기술용어시소러스
학습. --과학기술용어시소러스
지식 베이스 시스템. --과학기술용어시소러스
Expert systems (Computer science)
QR CODE qr code