현재 위치
Home
학술연구
근로자의 대사증후군 예측에 대한 휴리스틱 기반 특성 최적화를 결합한 DeepGBM 적용 연구
Comprehensive Data-Driven Insights into Metabolic Syndrome : Utilizing DeepGBM with Heuristic Feature Optimization
-
- 발행기관
- 한국기계항공기술학회(구 한국기계기술학회) 바로가기
-
- 간행물
- 한국기계항공기술학회지(구 한국기계기술학회지) KCI 등재 바로가기
-
- 통권
- 제28권 제2호 (2026.04)바로가기
-
- 페이지
- pp.195-201
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A484390
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- This study investigates the superior predictive performance of a DeepGBM model (combining boosting and deep learning) for identifying metabolic syndrome in the Korean adult population using KNHANES data. DeepGBM consistently showed superior performance compared to established algorithms. Feature prioritization revealed waist circumference and fasting glucose as critical predictors. This research demonstrates the potential of integrating advanced machine learning with public health data to improve early detection.
목차
Abstract
1. 서론
2. 자료원
2.1 분석 대상
2.2. 자료의 전처리
3. 연구 방법론
3.1 모형 개발
3.2 특성 선택
3.3 비교 모형
3.4 성능 평가 지표
4. 결과 및 분석
4.1 모델의 성능
4.2 특성 중요도 및 선택
5. 논의
6. 결론
References
키워드
DeepGBM 모델 대사증후군 예측 성능 허리둘레 공복혈당 기계 학습 Model Metabolic Syndrome Predictive Performance Waist Circumference Fasting Glucose Machine Learning저자
간행물 정보
발행기관
-
- 발행기관명
- 한국기계항공기술학회(구 한국기계기술학회) [Korean Society of Mechanical Technology]
- 설립연도
- 1999
- 분야
- 공학>기계공학
- 소개
- 기계 관련 산업 분야에 관한 학술과 현장 적용 기술을 연구하고 교류하며, 이에 관련된 학문과 기술 발전 및 보급에 기여함으로써 과학과 기술의 진흥에 이바지함을 그 목적으로 한다.
간행물
-
- 간행물명
- 한국기계항공기술학회지(구 한국기계기술학회지) [Journal of the Korean Society of Mechanical and Aviation Technology ]
- 간기
- 격월간
- pISSN
- 1229-604X
- eISSN
- 2508-3805
- 수록기간
- 1999~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 550 DDC 620
이 권호 내 다른 논문 / 한국기계항공기술학회지(구 한국기계기술학회지) 제28권 제2호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.