서지주요정보
(A) study on improvement of high-dimensional function-based additive model = 고차원 함수 기반 가법 모형의 개선에 관한 연구
서명 / 저자 (A) study on improvement of high-dimensional function-based additive model = 고차원 함수 기반 가법 모형의 개선에 관한 연구 / Minseong Hong.
저자명 Hong, Minseong ; 홍민성
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033683

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MMAS 19003

SMS전송 소장위치

도서상태

이용가능

대출가능

반납예정일

초록정보

In this paper, we introduce a Sparse Partially Linear Additive Models(SPLAM) to analyze a high-dimensional data. This is a model useful for variable selection and for checking if linearity of an independent variable is appropriate for explaining the dependent variable in an additive Model. We also introduce a method of bias reduction in parameter estimation by the Lasso. We introduce a new method of applying this method to the SPLAM to reduce the bias of parameter estimation in the SPLAM. To compare these two models, we use 3 loss functions for each data set. It is shown through experiments that the new method results in a decrease in error rate over the SPLAM.

이 논문에서는 고차원 데이터 분석을 하기 위해 희소 부분적 선형 가법 모형을 소개하였다. 이는 가법 모형에서 독립 변수가 선택되었는지 여부와 그 변수가 종속 변수를 설명할 때 선형인지 여부를 다루는 모형이다. 또한 Lasso에서 매개 변수의 편향을 줄이는 방법을 소개하였다. 이 방법을 희소 부분적 선형 가법 모형에 적용하여 이 모형에서 매개 변수의 편향을 줄이기 위한 새로운 방법을 제시하였다. 그리고 위의 두 모형을 비교하기 위해 각 자료집합에 대해 3가지 손실 함수들을 사용하였다. 희소 부분적 선형 가법 모형에서 매개 변수의 편향을 줄인 방법이 원래 모형의 정확도보다 높다는 것을 실험들을 통해 보였다.

서지기타정보

서지기타정보
청구기호 {MMAS 19003
형태사항 iii, 15 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 홍민성
지도교수의 영문표기 : Sung-Ho Kim
지도교수의 한글표기 : 김성호
학위논문 학위논문(석사) - 한국과학기술원 : 수리과학과,
서지주기 Including references
주제 Sparse Partially Linear Additive Models(SPLAM)
lasso
bias
loss function
희소 부분적 선형 가법 모형
Lasso
편향
손실함수
QR CODE qr code