현재 위치
Home
소규모 수치형 데이터의 한계 극복을 위한 가상 모집단 생성 및 머신러닝 기반 예측 분석
Predictive Analysis Based on Machine Learning and Virtual Population Generation to Overcome Limitations of Small-Scale Numerical Data
-
- 발행기관
- 제주대학교 지능소프트웨어 교육연구소 바로가기
-
- 간행물
- 지능정보융합과 미래교육 KCI 등재후보 바로가기
-
- 통권
- 제5권 제4호 (2026.02)바로가기
-
- 페이지
- pp.1-10
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A480041
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- This study proposes a predictive methodology combining virtual population generation via data augmentation and machine learning to overcome the analytical limitations of small-scale numerical data. To this end, we generated a virtual population of 1,300 cases reflecting the covariance structure of the original sample and selected Random Forest as the optimal model through a comparison of five algorithms. Scenario analysis revealed that the virtual population precisely replicated the statistical characteristics of the original data and effectively detected latent patterns, such as asymmetric sensitivity and ceiling effects, in response to variable changes. This study validates that virtual data augmentation is an effective methodology for data-driven future prediction, demonstrating its ability to secure stable predictive performance without overfitting even in data-scarce environments.
- 한국어
- 본 연구는 소규모 수치형 데이터의 분석 한계를 극복하기 위해 데이터 증강을 통한 가상 모집단 생성과 머신러닝을 결합한 예측 방법 론을 제안하였다. 이를 위해 원본 표본의 공분산 구조를 반영한 1,300건의 가상 모집단을 생성하고, 5가지 알고리즘 비교를 통해 Random Forest를 최적 모델로 선정하였다. 시나리오 분석 결과, 가상 모집단은 원본 데이터의 통계적 특성을 정밀하게 모사하였으 며, 변수 변화에 따른 비대칭적 민감도와 천장 효과와 같은 잠재적 패턴을 효과적으로 탐지하였다. 본 연구는 가상 데이터 증강 기법이 데이터 부족 환경에서도 과적합 없이 안정적인 예측 성능을 확보할 수 있음을 실증함으로써, 데이터 기반 미래 예측을 위한 유효한 방 법론임을 입증하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
1. 수치형 데이터 분석과 머신러닝의 활용
2. 머신러닝 기반 예측 모델 비교 연구
3. 가상 모집단 생성 및 시나리오 시뮬레이션
Ⅲ. 연구 방법
1. 데이터 수집 및 전처리
2. 머신러닝 예측 모델링 방법
3. 가상 모집단 생성 및 시나리오 설계
Ⅳ. 연구 결과
1. 수집 데이터의 기술 통계 및 상관관계 분석
2. 머신러닝 예측모델 성능 비교 및 검증
3. 가상 모집단 생성 적합성 검증
4. 시나리오별 모집단 예측 결과
Ⅴ. 결론
참고문헌
키워드
소규모 데이터 수치형 데이터 머신러닝 데이터 증강 몬테카를로 시뮬레이션 Small-Scale Data Numerical Data Machine Learning Data Augmentation Monte Carlo Simulation저자
간행물 정보
발행기관
-
- 발행기관명
- 제주대학교 지능소프트웨어 교육연구소 [Intelligent Software Education Research Institute]
- 설립연도
- 2022
- 분야
- 사회과학>교육학
- 소개
- 우리 연구소는 컴퓨터 과학 교육이 강조되는 세계적 흐름속에서 소프트웨어융합 인재 양성을 위한 교육 기반 구축을 위해 '지능소프트웨어교육센터'를 설립하여 운영하여 왔고, 이후 한국연구재단의 인문사회연구소지원사업에 선정되면서 2022년 3월, 우리나라 인공지능 교육의 거점 연구소로서 '지능소프트웨어교육연구소'로 새롭게 기관 명칭을 변경하고 전문 연구 기관으로서의 위상을 공고히 하였습니다. 우리 연구소는 설립된 이후부터 지금까지 인공지능을 중심으로 하는 지능정보시대를 열어갈 인공지능 컴퓨팅 융합 인재 양성을 위한 교육 기반 구축에 기여하고 있으며, 주요 연구 분야로는 지능정보사회에서 갖춰야할 디지털 소양으로써의 컴퓨팅 사고력 함양을 위한 소프트웨어와 인공지능 교육 연구, 유아부터 중장년층까지 평생교육차원의 인공지능 교육 연구, 지능정보격차 해소를 위한 정보배려계층 대상 인공지능 교육 연구, 윤리적으로 고려된 인공지능 교육으로 설계된 A!thics 교육 등의 인공지능 교육과 인공지능 기술과 응용 연구 등에 힘을 쏟고 있습니다. 또한 인문사회연구소 지원사업의 과제로 수준별 인공지능 컴퓨팅 교육을 위한 핵심 전략인 4P(Play, Problem solving, Product making, Project)전략에 기반하여 교육과정 개발과 컴퓨팅 사고력 함양을 위한 CT-EL(Computational Thinking-Experienced Learning) 기반 교수학습 방법 연구, 교재개발 등을 진행하고 있습니다. 앞으로 지능소프트웨어교육연구소는 제주 지역의 유관기관과 협력하여 제주의 미래를 이끌어갈 지능소프트웨어융합을 위한 지역 인재 양성 모델을 만드는데 앞장 서고, 더 나아가 우리나라의 인공지능 교육을 이끌어가는 우리나라 대표 연구 기관으로 자리매김할 수 있도록 최선을 다하겠습니다. 감사합니다.
간행물
-
- 간행물명
- 지능정보융합과 미래교육 [Intelligent Information Convergence and Future Education]
- 간기
- 수시
- eISSN
- 2951-4762
- 수록기간
- 2022~2026
- 등재여부
- KCI 등재후보
- 십진분류
- KDC 370 DDC 370
이 권호 내 다른 논문 / 지능정보융합과 미래교육 제5권 제4호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.