메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
1
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
머신러닝은 다양한 분야에서 사용되고 있으며, 분석하고자 하는 데이터의 형태와 목적에 따라 다양한 알고리즘이 개발되었다. 머신러닝 모델의 성능은 동일한 알고리즘을 사용한다고 하더라도 단계별 설정에 따라 영향을 받으며 이에 관한 연구가 필요하다. 특정 절차 또는 특정 파라미터가 모델에 끼치는 영향들에 관한 연구는 진행되었으나, 이들을 종합적으로 분석한 연구는 미비하였다. 본 논문에서는 머신러닝 모델 개발에 필요한 처리 단계를 정리한 후, 각 단계들이 머신러닝 모델의 성능에 미치는 영향을 분석하였다. 처리 단계는 데이터 정제, 알고리즘 선정, 하이퍼 파라미터 조정, 검증 비율 조정의 단계로 나누었으며, 이를 kaggle의 German credit risk 데이터와 머신러닝 자동화 도구를 사용하여 실측하였다.

Machine learning is used in various fields, and various algorithms have been developed according to the type and purpose of data. The performance of the machine learning model is affected by the step-by-step setting even if the same algorithm is used, and research on this is needed. However, studies on the effects of specific procedures or specific parameters on the model have been conducted, but studies that comprehensively analyze them have been insufficient. In this paper, after summarizing the processing steps required to develop the machine learning model, the effect of each step on the performance of the machine learning model was analyzed. Processing steps were divided into steps of data purification, algorithm selection, hyper-parameter adjustment, and verification ratio adjustment, which were measured using Kaggle"s German credit risk data and machine learning automation tools.
#machine learning #performance of AI model #step of machine learning #performance analysis #auto ML

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 머신러닝 프로세스의 단계별 성능 연관 요소 분석
Ⅲ. 실험 및 고찰
Ⅳ. 결론 및 향후 과제
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

양이온화 처리 한지의 천연염색성
유승일 ,  오의명 ,  민유리 외 1명 펄프·종이기술 2011.09
소프트웨어 품질 평가를 위한 도구 기술
정재룡 전자공학회지 2023.08
딥러닝 기반 알고리즘 코드 테스트 케이스 자동 생성 기술 연구
김도규 ,  전민기 ,  고상기 한국정보과학회 학술발표논문집 2023.06
Unveiling Hidden Vulnerabilities: Similar Vulnerability Detection Using a Gradient Boosting Decision Tree
Jiashun Hao ,  Young-Woo Kwon 한국통신학회 학술대회논문집 2023.06
인공지능 소프트웨어 시스템의 품질 속성과 시험 검증 기법 소개
정세훈 정보과학회지 2023.06

최근 본 자료

전체보기

댓글(0)

0