하이브리드 모형을 이용한 예측률 향상에 관한 연구

Abstract

[한글]본 논문에서는 분류 예측력을 향상시키기 위해서 기존에 제시된 단일 모형과 본 연구에서 제시된 하이브리드 Decision Tree-Neural Network 모형과 하이브리드 Genetic-Neural Network 모형을 제시함으로써 개별기법의 단점을 다른 기법으로 보완하여 분류율을 높이는데 관점이 있다.

본 연구에서 제시하는 혼합모형은 두 가지 관점에서 바라보고 있다. 첫째, 혼합모형Ⅰ은 의사결정나무의 알고리즘은 일반적으로 Small Disjunct가 아닌 Large Disjunct에 잘 적합하도록 치우치는 경향이 있다. 순수도가 낮고 노드에 속한 개체수가 적은 Small Disjunct에서 적중률이 낮아지는 경향이 있으므로 이러한 노드들에 대한 적절한 처리를 통하여 적중률을 높이고자 신경망 모형으로 보완하고자 하였다. 둘째, 혼합모형Ⅱ은 신경망 모형의 단점인 초기값이 지역적 최소값에 가까우면 지역적 최소값 에서의 모수 추정치는 실제 데이터를 정확하게 추정하지 못할 가능성이 많다는 단점을 유전자 알고리즘으로 보완하고자 하였다.

1994년～2002년까지 연세대학교 의과대학 세브란스 병원 건강증진센터에서 안과정밀 검사를 받아온 환자 실제자료를 통해 단일모형인 의사결정나무, 신경망과 하이브리드 Decision Tree-Neural Network 모형, 하이브리드 Genetic-Neural Network 모형을 시뮬레이션 한 결과 하이브리드 Decision Tree-Neural Network 모형과 하이브리드 Genetic-Neural Network 모형이 단일모형에 비해 분류 예측력을 2%정도 향상 시킬수 있었다.

[영문]This study proposes a hybrid decision tree-neural network model and a hybrid genetic-neural network model to improve classification predictive power.

The purpose of this dissertation is to supplement defect and expand advantage about simple models.

In this research paper, two perspective of hybrid models are introduced.

First perspective suggests hybrid model Ⅰ, decision tree algorithms have a bias towards generality that is well suited for large disjuncts, but not for small disjuncts. This makes them a promising solution for the problem of small disjuncts, which tries to supplement lacking parts of decision tree with neural network. Second perspective suggests hybrid model Ⅱ, artificial intelligence applied to complex nonlinear optimization problem have often resulted in inconsistent and unpredictable performance. This makes them a promising solution for the problem of local minimum, which tries to supplement lacking parts of neural network with genetic algorithms.

This study was researched based on screening test data accumulated from 1994 to 2002. Hybrid decision tree-neural network and hybrid genetic-neural network were applied to real data in this research. Result of hybrid decision tree-neural network and hybrid genetic-neural network was improved in classification predictive power with single model.