머신러닝 자동화를 위한 개발 환경에 관한 연구
A Study on Development Environments for Machine Learning
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
Machine learning model data is highly affected by performance. preprocessing is needed to enable analysis of various types of data, such as letters, numbers, and special characters. This paper proposes a development environment that aims to process categorical and continuous data according to the type of missing values in stage 1, implementing the function of selecting the best performing algorithm in stage 2 and automating the process of checking model performance in stage 3. Using this model, machine learning models can be created without prior knowledge of data preprocessing.
Abstract
Machine learning model data is highly affected by performance. preprocessing is needed to enable analysis of various types of data, such as letters, numbers, and special characters. This paper proposes a development environment that aims to process categorical and continuous data according to the type of missing values in stage 1, implementing the function of selecting the best performing algorithm in stage 2 and automating the process of checking model performance in stage 3. Using this model, machine learning models can be created without prior knowledge of data preprocessing.
참고문헌 (28)
- 2016 Davos Forum, "Science and Technology Policy Institute", 2016, 12~15
- A. L. Samuel, "Some Studies in Machine Learning Using the Game of Checkers", IBM Journal of Research and Development, 3(3), pp.201~229 (1959)
- S. Z. Cho, "Industrial Application of Machine Learning(Artificial Intelligence", Industrial Engineering Magazine, 23(2), pp.34~38 (2016)
- 김동길, "텐서플로우 튜토리얼 방식의 머신러닝 신규 모델 개발 : 캐글 타이타닉 데이터 셋을 중심으로", 대한임베디드공학회논문지, 14(4), pp.207~218 (2019), 대한임베디드공학회[DOI]
- D.G. Kim, "Development of Processing Missing Value for the Code Using Correlation", Journal of the Institute of Embedded Engineering of Korea (2019)
- 김광호, "원-핫 인코딩을 이용한 딥러닝 단기 전력수요 예측모델", 전기전자학회논문지, 23(3), pp.852~857 (2019), 한국전기전자학회[DOI]
- 탁유선, "다양한 구성요소 조합으로 만든 딥뉴럴넷 모델 성능 비교", Journal of The Korean Data Analysis Society, 21(5), pp.2289~2301 (2019), 한국자료분석학회[DOI]
- 류서현, "정규화 및 항등사상이 활성함수 성능에 미치는 영향", 한국산학기술학회논문지, 18(10), pp.75~80 (2017), 한국산학기술학회[DOI]
- 홍종선, "다변량 왜도와 첨도", 한국데이터정보과학회지, 29(1), pp.71~81 (2018), 한국데이터정보과학회[DOI]
- 정형근, "선박 데이터에서 예측 정확성 향상을 위한 훈련 데이터의 이상치 검출 방안", 정보과학회 컴퓨팅의 실제 논문지, 25(12), pp.594~601 (2019), 한국정보과학회[DOI]
- 이용구, "목차 정보와 kNN 분류기를 이용한 사회과학 분야 도서 자동 분류에 관한 연구", 정보관리학회지, 37(1), pp.1~21 (2020), 한국정보관리학회[DOI]
- 이상원, "SVM(Support Vector Machine) 알고리즘 기반의 EEG(Electroencephalogram) 신호 분류", 한국융합학회논문지, 11(2), pp.17~22 (2020), 한국융합학회[DOI]
- 이유석, "잠재계층 분석과 의사결정나무 분석을 활용한 공연 예술 시장세분화 연구: 저빈도 관객을 중심으로", 소비자학연구, 31(3), pp.245~267 (2020), 한국소비자학회[DOI]
- 이종희, "불균형 데이터 환경에서 가계부채 상환연체 분류를 위한 머신러닝의 활용", 소비자학연구, 30(6), pp.97~118 (2019), 한국소비자학회[DOI]
- 박천건, "단순회귀모형에서 선형성 검정통계량", 한국데이터정보과학회지, 25(2), pp.305~315 (2014), 한국데이터정보과학회[DOI]
- 서찬양, "기계학습 알고리즘 기반의 가스정압기 이상상태 진단에 대한 연구", 한국컴퓨터정보학회논문지, 25(4), pp.19~27 (2020), 한국컴퓨터정보학회[DOI]
- 하대우, "XGBoost 모형을 활용한 코스피 200 주가지수 등락 예측에 관한 연구", 한국데이터정보과학회지, 30(3), pp.655~669 (2019), 한국데이터정보과학회[DOI]
- 남원우, "환경적 요소 선별을 통한 딥러닝 기반 우울증 분류 예측", 전기학회논문지, 69(7), pp.1102~1111 (2020), 대한전기학회
- 정종철, "SVM 교차검증을 활용한 토지피복 ROI 선정", 지적과 국토정보, 50(1), pp.75~85 (2020), 한국국토정보공사[DOI]