혼합모형을 이용한 예측방법에 관한 연구

Abstract

[한글]

기존의 연구에서는 DA, Logit, Probit 등과 같은 통계적 기법을 주로 사용하여 분류문제를 해결하고자 하였지만, 통계적 기법이 갖고 있는 엄격한 가정이 만족되어야 한다는 방법론적인 한계를 갖고 있었다. 따라서 최근에는 의사결정나무, 신경망 등과 같은 인공지능기법을 분류문제에 적용하는 연구가 활발히 소개되고 있다.

특히 기존에는 단일모형을 통한 해석에 초점을 둔 분석에 관심을 가졌지만, 최근에는 구조가 다소 복잡하고 해석은 어려우나 분류정확도에 초점을 둔 혼합모형을 이용한 분석이 실시되고 있다. 따라서 본 논문은 이러한 추세에 발맞추어 분류문제를 해결하기 위한 방법으로 혼합모형을 제시하고 그 성과를 살펴보고자 한다.

본 연구에서 제시하는 혼합모형은 세 가지 관점에서 바라보고 있다. 첫 번째 제시하는 혼합모형 I은 신경망모형이 가지고 있지 않은 변수선택능력을 단일모형에 의해서 해결하고자 하는 시도이고 두 번째 제시하는 혼합모형 II는 신경망모형의 부족한 부분을 의사결정나무(CART)로 보완하고자 하는 시도이다. 마지막으로 세 번째 제시하는 혼합모형 III는 개별기법의 결과를 최적의 연결가중치를 통하여 결합하고자 하는 시도이다.

제시된 혼합모형은 실제 자료에 적용되었으며 그 결과를 단일모형의 결과와 비교하였다. 실험결과 본 연구에서 제시된 혼합모형이 각각의 단일모형에 비해서 분류력이 향상되었음이 입증되었다.

[영문]

In a conventional research, researcher tried to solve the classification problems by utilizing statistical methods such as DA, Logit, Porbit, however these trials had the methodological limitation in that they should satisfy the strict assumptions of statistical techniques. For this reason, recently researchers are introducing the method applying artificial intelligence such as decision tree and neural network to classification problems.

Especially, conventional research has been focused on the analysis through single model, however, recently researchers are more experimenting the analysis using hybrid model, which is rather complex in structure, difficult in interpretation but focused on hit ratios. In consequence, I try to introduce hybrid models in this research as a method of solving classification problems and review the performance of these hybrid model according to the current academic trend.

In this research paper, three perspectives of hybrid models are introduced. First perspective suggests hybrid model I, which uses variable selection result, using single model as input variable. Second perspective suggests hybrid model II, which tries to supplement lacking parts of neural network with decision tree (CART). Last hybrid model III is an experiment to combine the each individual result through optimal linkage weight.

Hybrid models were applied to real data in this research. Result of hybrid model was also compared with that of single model. Importantly, result of this experiment proved that hybrid model was improved in classification in comparison with single model.