Earticle

초록

한국어

본 연구는 의사결정나무 알고리즘 중 하나인 Extreme Gradient Boosting(XGBoost)을 활용하여 노인의 인지기 능 예측 모델을 만들고 이를 바탕으로 인지능력 개선⋅악화 요인을 탐색하는 것을 목표로 한다. 2008년부터 2016 년까지 격년으로 시행된 고령화연구패널조사(KLoSA)에서 인지능력이 변화한 패널의 데이터가 연구에 사용되었다. XGBoost의 XGBoost Feature Importance 모듈과 XGBoostExplainer 패키지를 적용하여 인지능력 개선, 악 화 요인을 탐색했다. 연구 결과 인지능력 개선⋅악화를 가르는 주요인은 도구적 일상생활 수행 능력(IADL), 우울 감, 소득, 친한 사람과의 교류였다. 우울감이 악화될 때, 우울감이 인지능력 악화 요인으로 강하게 작용하는 것으로 나타났다. 하지만 우울감 개선에 비례하여 우울감이 인지능력의 개선 요인으로 작용하는 관계는 약하게 나타났다.

영어

The purpose of this study is to build an elderly cognitive change predictive model and, as a result, to identify potential factors which lead to cognition improvement or deterioration using Extreme Gradient Boosting (XGBoost). Korean Longitudinal Study of Aging (KLoSA) conducted biennially from 2008 to 2016 was used as a dataset. Particularly, the XGBoost Feature Importance module and XGBoost Explainer package were used to explain elderly cognitive changes. The main findings of this study indicate that instrumental activities of daily living (IADL), depression, income, and interactions with close friends are potential improvement and/or deteriorating factors. Furthermore, when the depression level is exacerbated, depression was found to strongly influence as a factor of cognitive deterioration. However, in proportion to the improvement of depression, the relationship between depression and cognitive abilities is seemingly weak.

목차

요약
 Abstract
 1. 서론
 2. 관련 연구
  2.1. 노인의 인지기능의 변동성과 주요설명변수
  2.2. 노인의 인지기능과 기계학습을 적용한 사례
 3. 연구방법론 소개
  3.1. XGBoost (Extreme Gradient Boosting)
  3.2. Feature Importance
  3.3. XGBoostExplainer 패키지
 4. 노인인지능력 변화예측모델 설계
  4.1. 변화예측 모델 설계
  4.2. 탐색적 데이터분석
 5. XGBoost 활용한 노인인지능력 변화 요인 해석
  5.1. Feature Importance를 활용한 해석
  5.2. XGBoostExplainer를 활용한 해석
 6. 토의
 7. 결론

저자

• 황혜진 [ Haejin Hwang | 한국과학기술연구원 ]
• 김수현 [ Suhyun Kim | 한국과학기술연구원 ]
• 송규원 [ Gyuwon Song | 한국과학기술연구원 ]

참고문헌