Earticle

본 논문에서는 주성분 회귀법과 부분최소자승 회귀법을 비교하여 보여준다. 이 비교의 목적은 선형형태를 보유한 근적외선 분광 데이터의 분석에 사용할 수 있는 적합한 예측 방법을 찾기 위해서이다. 두 가지 데이터 마이닝 방법 론인 주성분 회귀법과 부분최소자승 회귀법이 비교되어 질 것이다. 본 논문에서는 부분최소자승 회귀법은 주성분 회귀법과 비교했을 때 약간 나은 예측능력을 가진 결과를 보여준다. 주성분 회귀법에서 50개의 주성분이 모델을 생 성하기 위해서 사용지만 부분최소자승 회귀법에서는 12개의 잠재요소가 사용되었다. 평균제곱오차가 예측능력을 측 정하는 도구로 사용되었다. 본 논문의 근적외선 분광데이터 분석에 따르면 부분최소자승회귀법이 선형경향을 가진 데이터의 예측에 가장 적합한 모델로 판명되었다.

이 연구는 미국 오하이오주 클리블랜드-엘리리아 핵심기반 통계영역의 소규모 지역(센서스 블록그룹)에 서 발생한 부주의 운전에 의한 교통사고의 상대위험도에 영향을 미치는 요인 탐색을 위한 연구이다. 이를 위해 공간정보, 사회인구학 및 환경 정보와 교통사고 등을 포함한 다양한 분야의 공공 데이터 수집과 데이터 마이닝 기법이 활용되었다. 구축된 자료를 바탕으로 계층적 베이지안 기법을 적용하여 일반화선형모형 기반의 교통사고 분석 모형을 개발하였다. 선정된 최적모형에 따르면, 고용과 직장 등 사람들의 활동 밀도, 토지이용의 다양성, 교차로 밀도의 경우 부주의 운전에 의한 교통사고의 상대위 험을 높이는 것으로 나타났다. 반면, 인구밀도는 교통사고의 위험을 감소시키는 것으로 나타났다. 아울 러, 잔차의 불확실성(확률적 변동)의 대부분은 연구 지역 내 블록그룹과 센서스 트랙의 변동성에서 기인 한 것으로 나타났다. 이 연구의 결과를 활용하여, 우리는 부주의 운전에 의한 교통사고의 위험 경감을 위한 지역의 교통안전 정책 수립에 기여할 수 있을 것이다.

This study aims to identify influential factors affecting the relative risks of vehicle crashes related to distracted driving at small area-levels (i.e., census block group) in Northern Ohio, U.S. To this end, we utilize data mining techniques to analyze publicly available data from multiple sources, which include spatial, sociodemographic, and environmental features alongside crash data. We then develop several generalized linear mixed models using a full Bayesian hierarchical formulation. The selected optimal model indicates that factors such as gross activity density, landuse mix, and density of intersection appear to increase the relative risks of vehicle crashes due to distracted driving, while population density contributes to reducing these risks. In addition, we observe substantial random fluctuation of residuals originating from both block-group and census tract level variability across the study region. These findings allow us to help build regional transportation safety policies to mitigate negative consequences of distracted driving.

분산형 데이터마이닝을 위해 의사결정나무 알고리즘은 분산형 협업 환경에 적합하도록 변환되어야 한다. 본 논문에서 제시된 분산형 데이터마이닝 시스템은 각각의 사이트에서 부분적인 데이터를 위한 데이터마이닝 작업을 수행할 수 있는 에이전트와 여러 에이전트들의 협업을 통해 최종적인 의사결정나무 모델을 완성할 수 있도록 에이전트들 간의 통신을 중재하는 미디에이터로 구성되어 있다. 분산형 데이터마이닝의 장점 중에 하나는 여러 사이트에 분산되어 있는 대량의 데이터를 분산 처리하므로 데이터마이닝의 소요시간을 현저하게 줄일 수 있다는 점이다. 그러나 각 사이트들에 존재하고 있는 에이전트들 간의 통신에 부하가 과도하게 걸린다면, 효율적인 시스템으로의 활용도가 낮아질 것 이다. 본 논문은 에이전트들 간에 의사결정나무 모델의 전송량을 최소로 할 수 있는 방법론에 초점을 맞추었다.

A decision tree algorithm should be modified to be suitable in distributed and collaborative environments for distributed data mining. The distributed data mining system proposed in this paper consists of several agents and a mediator. Each agent deals with a local data mining for data in each local site and communicates with one another to build the global decision tree model. The mediator helps several agents to efficiently communicate among them. One of advantages in distributed data mining is to save much time to analyze huge data with several agents. The paper focuses on a transfer technique among agents dealing with each local decision tree model to reduce huge overhead in communication among them.

심혈관 질환은 전 세계적으로 주요 사망원인들 중 하나이다. 본 연구는 보다 우수한 심혈관질환 판별 모델을 생성하기 위한 방법에 대한 연구로써, 3가지 변수 선택법과 7가지 머신러닝 알고리즘을 바탕으로 사회인구학적 변수 들을 이용하여 고혈압과 이상지질혈증 판별모델들을 생성하고, 생성된 모델들의 성능을 비교 평가한다. 본 연구의 결 과에서는 두 가지 질병 모두에서, 전체변수 및 correlation-based feature subset selection 메소드 기반 모델들에서 는 naive Bayes 모델이 다른 머신러닝을 이용한 모델들보다 다소 우수한 판별 성능이 있는 것으로 나타났고, wrapper 메소드 기반 변수 선택법에서는 logistic regression 모델이 다른 모든 모델보다 성능이 다소 우수한 것으로 나타났다. 본 연구의 결과는 원격의료 및 대중보건 분야에서 향후 한국인의 심혈관질환 판별 및 예측 모델 생성을 위 한 참고자료로 활용될 수 있을 것으로 기대된다.

Cardiovascular diseases is one of the leading causes of death in the world. The objectives of this study were to build various models using sociodemographic variables based on three variable selection methods and seven machine learning algorithms for the identification of hypertension and dyslipidemia and to evaluate predictive powers of the models. In experiments based on full variables and correlation-based feature subset selection methods, our results showed that performance of models using naive Bayes was better than those of models using other machine learning algorithms in both two diseases. In wrapper-based feature subset selection method, performance of models using logistic regression was higher than those of models using other algorithms. Our finding may provide basic data for public health and machine learning fields.

The purpose of this case study is to demonstrate database-marketing management. First, we explore original variables for insurance customer's data, modify them if necessary, and go through variable selection process before analysis. Then, we develop churn prediction models using logistic regression, neural network and SVM analysis. We also compare these three data mining models in terms of misclassification rate.

We use a data-mining bootstrap procedure to investigate the predictability test in the eight Asia-Pacific regional stock markets using in-sample and out-of-sample forecasting models. We address ourselves to the data-mining bias issues by using the data-mining bootstrap procedure proposed by Inoue and Kilian and applied to the US stock market data by Rapach and Wohar. The empirical findings show that stock returns are predictable not only in-sample but out-of-sample in Hong Kong, Malaysia, Singapore, and Korea with a few exceptions for some forecasting horizons. However, we find some significant disparity between in-sample and out-of-sample predictability in the Korean stock market. For Hong Kong, Malaysia, and Singapore, stock returns have predictable components both in-sample and out-of-sample. For the US, Australia, and Canada, we do not find any evidence of return predictability in-sample and out-of-sample with a few exceptions. For Japan, stock returns have a predictable component with price-earnings ratio as a forecasting variable for some out-of-sample forecasting horizons.

현대적 실험방법 및 유전공학의 발전으로 최근 생물학적 자료는 비약적으로 늘어나고 있다. 이러한 자료의 기계학습을 이용한 분석방법은 많은 비용과 시간을 요구하는 전통적인 생물적 실험에 있어서 실험 시간을 단축시켜주고 실험비용을 줄여 주게 된다. 본 논문에서는 특별히 micro array data의 분석에 있어서 graphical model에 기반한 기계학습 방법들을 소개한다. 이중 GTM 은 특히 시각화 효과가 뛰어난 방법으로 Graphical model 에 기반한 GTM의 제반 특성을 소개하고 이를 yeast data의 분석에 적용시킨 결과를 자세히 알아보고자 한다. (**Presentation file을 수신 보관 중)

Objectives: The intensive care environment generates a wealth of critical care data suited to developing a well-calibrated prediction tool. This study was done to develop an intensive care unit (ICU) mortality prediction model built on University of Kentucky Hospital (UKH)’s data and to assess whether the performance of various data mining techniques, such as the artificial neural network (ANN), support vector machine (SVM) and decision trees (DT), outperform the conventional logistic regression (LR) statistical model. Methods: The models were built on ICU data collected regarding 38,474 admissions to the UKH between January 1998 and September 2007. The first 24 hours of the ICU admission data were used, including patient demographics, admission information, physiology data, chronic health items, and outcome information. Results:Only 15 study variables were identified as significant for inclusion in the model development. The DT algorithm slightly outperformed (AUC, 0.892) the other data mining techniques, followed by the ANN (AUC, 0.874), and SVM (AUC, 0.876),compared to that of the APACHE III performance (AUC, 0.871). Conclusions: With fewer variables needed, the machine learning algorithms that we developed were proven to be as good as the conventional APACHE III prediction.

The rapid development of information communications technology, especially Internet and smartphones, helps customers be more flexible and easier to access social networking sites and use them as effective communication tools. A huge number of informal messages are posted every day in social networking sites including comments, opinions and feedbacks about products, services or companies. These text data are not only in English but also in several other languages as the social networking sites develop across countries. It has become difficult and time consuming for individuals or organizations to effectively process the information underlined in these text data. Thanks to the development of opinion mining techniques, social media text data can be mined to explore customer opinions about products, services as well as information about competitors. This paper proposed models for opinion mining on Vietnamese social media text data. We collected social media text data from Facebook in Vietnam and designed a non-standard Vietnamese words dictionary to process informal Vietnamese text messages. We compared predictive performance of several opinion mining models in lexicon-based and machine learning approach and then proposed a hybrid model that combines the two approaches. The results show that using non-standard Vietnamese words dictionary improves predictive performance of opinion mining models, and hybrid models of lexicon-based and machine learning approach have better performance than single models. Based on this research outcomes, we provided recommendations in designing opinion mining models on non-English social media text data.

데이터마이닝 분석 방법 중 회귀모형분석, 의사결정나무분석 그리고 인공신경망분석의 세 가지 분석방법을 적용하여 내부회계관리제도의 취약기업과 정상기업에 대한 예측력이 가장 좋은 분석방법을 찾고자 하였다. 이를 위하여 2006년부터 2012년까지 7년간의 217개의 중요한 취약점을 나타내는 기업을 대상으로 하였다. SAS 버전 9.2 패키지에 포함되어 있는 Enterprise Miner 버전 4.3을 이용하여 예측력을 검증하였다. 내부회계관리제도의 평가모형 개발에 전통적으로 활용되어 왔던 회귀모형분석, 변수들이 많은 경우 시간 및 비용의 한계점을 나타내는 의사결정나무분석 그리고 인공신경망분석의 예측력을 분석하였고, 분석 결과 우수한 예측력을 보유한 인공신경망분석을 이용할 경우 다른 분석방법과 비교할 때 높은 예측력의 가능성을 제시하였다.

The purpose of this study was to predict enterprises having internal accounting control system weaknesses(IACW) by using regression analysis, decision tree analysis and neural network analysis. The enterprises that have IACW were selected from 2006－2012 KOSPI, KOSDAQ and off－board markets. A total of 217 enterprises were selected：34 form KOSPI, 143 from KOSDAQ and 40 from off－board markets. Analysis of the study was conducted using a software called “Enterprise Miner Ver 4.3” in SAS Ver 9.2 package for verifying predictive rates in regression analysis, decision tree analysis and neural network analysis. This study was performed with a set of analyses：regression analysis, which is conventionally used for developing modules of internal control and assessment；decision tree analysis, which has time and cost limitations when it has many variations；and neural network analysis, which is still a brand new method. As a result of the study it was found that neural network analysis presented greater efficiency of explanation, stronger power of verification, and a more reliable predictive rate than other analytical methods.

This study is intended to suggest1 the optimized data mining model for the efficient customer credit evaluation in the capital finance industry. To accomplish the research objective, various data mining models for the customer credit evaluation are compared and analyzed. Furthermore, existing models such as Multi-Layered Perceptrons, Multivariate Discrimination Analysis, Radial Basis Function, Decision Tree, and Logistic Regression are employed for analyzing the customer information in the capital finance market and the detailed data of capital financing transactions. Finally, the data from the integrated model utilizing a genetic algorithm is compared with those of each individual model mentioned above. The results reveals that the integrated model is superior to other existing models.

배경 및 목적: 언어와 밀접한 관련을 보이는 교차문화와 다문화에 대한 연구에 있어 다문화 수용성과 한국어와의 관련성에 대한 다문화 집단을 대상으로 한 연구는 찾아볼 수 없었다. 이에 한국어와 외국어(다문화 청소년의 어머니 모국어)에 다양하게 노출되어 있는 다문화 청소년을 대상으로 다문화 수용성에 영향을 미치는 요인으로서 한국어와 외국어 4가지 기능(듣기, 말하기, 읽기, 쓰기)의 언어사용 능력에 대한 영향을 살펴보았다. 방법: 한국청소년정책연구원의 다문화청소년패널조사(MAPS)의 2차(2012년, 만11세) 1,439명과 5차(2015년, 만 14세) 1,238명 다문화 청소년을 대상으로 다문화 수용성을 예측하는 언어능력(다문화 청소년의 한국어와 외국어, 다문화 청소년 어머니의 한국어)의 관계를 살펴보기 위하여 의사결정나무모형 분석을 실시하였다. 결과: 만 11세 초등학교 5학년 다문화 청소년에게 있어서는 다문화 청소년의 한국어 말하기 능력과 다문화 청소년 어머니의 한국어 쓰기 능력이 다문화 수용성을 예측하는 것으로 나타났다. 그리고 만 14세 중학교 2학년 다문화 청소년에게 있어서는 다문화 청소년 어머니의 한국어 듣기능력과 다문화 청소년의 한국어 듣기능력이 다문화 청소년의 다문화 수용성을 예측하는 변수로서 작용하였다. 논의 및 결론: 우리가 다문화를 수용하는 것은 외국어 능력에 의해서가 아니라 다문화 청소년의 한국어 능력과 소수 다문화 대상자(이번 연구에서는 다문화 가정의 어머니)의 한국어 능력이 주요 영향을 미치는 것으로 나타났다. 하지만 이러한 연구결과는 결혼이민자가정이 다수를 차지하는 한국 다문화 사회 특유의 현상일 수도 있으므로 결과 해석에 있어 조심스러운 부분이 있다.

Objectives: There have been no studies of the association between multicultural acceptance and Korean language proficiency in the studies of cross-cultural and multicultural families. Therefore, the purpose of this study was to examine the effects of both Korean and foreign languages (multicultural mother’s native language) skills as factors that influence multicultural acceptance among multicultural adolescents. Methods: A decision tree analysis was conducted to examine the relationship between language skills (Korean and foreign languages) predicting multicultural acceptance among 1,439 (2012 yr. 11 years old) and 1,238 (2015 yr. 14 years old) multicultural adolescents in MAPS (Multi-cultural Adolescents Panel Survey) by the NYPI (National Youth Policy Institute). Results: For multicultural adolescents who are 11 years old and in the fifth grade of elementary school, the ability of multicultural adolescents to speak Korean and the ability of mothers to write in Korean predict multicultural acceptability. And for multicultural adolescents who are 14 years old and in the second grade of middle school, the ability of foreign mothers to listen to Korean language and the ability of multicultural teenagers to listen to Korean language acted as variables to predict the multicultural acceptance. Conclusion: It is not by foreign language proficiency that we embrace multiculturalism, but by the Korean language ability of multicultural adolescents and the Korean language proficiency of minority multicultural subjects (mother of multicultural families) that are the main influences in this study. However, these findings may be unique to Korea’s multicultural society, where marriage immigrants account for a majority, so there is caution in interpreting the results.

인터넷의 급속한 발전으로 인한 유용성 이면에는, 공공 시스템에 대한 악의적인 침입에 따른 피해가 날로 증가되고 있다. 이에 대비하기 위한 침입 탐지 시스템들이 소개되고 있으나, 공격의 형태가 다양하게 변화되고 있기 때문에 침입탐지 시스템도 이에 대비할 수 있도록 지속적인 연구 노력이 필요하다. 최근의 다양한 연구노력 중에는 데이터 마이닝 기법을 이용하여 침입자의 정보를 분석하는 연구가 활발히 진행되고 있다. 본 논문에서는 데이터 마이닝 기법을 사용하여 KDD CUP 99의 훈련 집합(Training Set)을 기반으로 효과적인 분류를 하기 위한 모델을 제시하였다. 제시된 모델에서는 휴리스틱을 적용하여 효과적으로 필요한 데이터를 생성할 수 있었으며, 또한 각 공격 유형마다 분류자를 두어 보다 정확하고 효율적인 탐지가 가능하도록 하였다.

본 연구에서는 한국프로야구 경기에서 팀대 팀의 승패에 기여하는 변수와 그 영향을 알아보기 위해 2000년부터 2006년까지 있었던 3,567 게임에 대하여 로지스틱 회귀모형, 의사결정나무모형, 신경망모형을 활용한 통계적 승패모형을 제시하였다. 사용된 변수들은 경기 직전까지의 득점, 실점, 이전승률, 상대팀에 대한 득점, 실점, 누적득점 및 누적실점 등 28개의 독립변수이다. 그 결과 제안된 모형들은 상대팀에 대한 이전승률, 팀의 득점 등이 중요한 비중을 차지하였고, 1점 차이 경기인 경우에는 홈팀 여부도 중요한 요인으로 작용하였다. 또한 세 가지 모형의 효율성은 비슷하게 나타났으나 로지스틱 회귀모형과 신경망모형이 다소 의사결정나무모형보다 분류정확율이 높았다.

The primary purpose of this study is to identify the factors that affect the likelihood of a team winning a game in Korean Pro-Baseball by estimating three supervised learnings. Using data from the 3,567 baseball games that were played in the Korean Pro-Baseball from the 2000 to 2006 seasons, models that measure the likelihood of a team winning a game are estimated. For statistical analysis, logistic regression model, neural network model and decision tree model were conducted and the results were compared and presented. As a result, the neural network model and logistic regression model are more efficient than decision tree model under existing conditions.

For the efficient discovery of knowledge and information from the observed systems, data mining techniques can be an useful tool for the prediction of water quality at intake station in rivers. Deterioration of water quality can be caused at intake station in dry season due to insufficient flow. This demands additional outflow from dam since some extent of deterioration can be attenuated by dam reservoir operation to control outflow considering predicted water quality. A seasonal occurrence of high ammonia nitrogen ($NH_3$-N) concentrations has hampered chemical treatment processes of a water plant in Geum river. Monthly flow allocation from upstream dam is important for downstream $NH_3$-N control. In this study, prediction models of water quality based on multiple regression (MR), artificial neural network and data mining methods were developed to understand water quality variation and to support dam operations through providing predicted $NH_3$-N concentrations at intake station. The models were calibrated with eight years of monthly data and verified with another two years of independent data. In those models, the $NH_3$-N concentration for next time step is dependent on dam outflow, river water quality such as alkalinity, temperature, and $NH_3$-N of previous time step. The model performances are compared and evaluated by error analysis and statistical characteristics like correlation and determination coefficients between the observed and the predicted water quality. It is expected that these data mining techniques can present more efficient data-driven tools in modelling stage and it is found that those models can be applied well to predict water quality in stream river systems.

본 연구에서는 청소년의 부모애착 및 교사애착, 또래애착을 설명하는 예측변인과 변인들의 조합관계를 조사하기 위해 한국청소년패널조사(Korea Youth Panel Survey: KYPS)의 중 2패널 1차년도(3449명) 데이터를 대상으로 데이터마이닝의 의사결정트리를 사용해 애착을 예측하는 변인들을 유형별로 분석하였다. 그 결과, 부모애착은 부모감독, 생활만족도, 스트레스, 주변비난걱정, 수업참여도, 부모폭력, 자기신뢰, 주변인식문제아가 예측변인으로 추출되었으며, 교사애착은 수업참여도, 낙관적 성향, 부모감독, 친한 친구수, 생활만족도, 부모공부기대, 주변인식문제아, 집안경제곤란이, 또래애착은 성별, 자기신뢰, 주변인식문제아, 수업참여도, 생활만족도, 주변비난걱정, 부모감독이 애착을 설명하는 예측변인으로 추출되었으며, 이러한 변인들은 조합되는 다양한 조건에 따라 각 애착을 증가 또는 감소시키는 것으로 나타났다. 본 연구의 결과로 애착을 증가시키는데 있어서 유형별로 각 개인이 갖는 다양한 조건들을 효과적으로 활용할 수 있음을 제언하였다.

This study explored prediction models for the types of adolescent attachment using the sample from KYPS (Korea Youth Panel Survey) data. Participants were 3449 middle-school students (2nd-grade). Data mining decision tree model was performed with total 27 independent variables related to person, home, and school and parent attachment, teacher attachment, and peer attachment as target variables. The results revealed that : (1) Parent monitoring, life satisfaction, stress, worrying the other people's blame, class participation, parent abuse, self-believe, other-acknowledgement of the misdeed were significant determining factors for parent attachment. (2) Class participation, optimism, parent monitoring, number of friends, life satisfaction, parental expectation for children's study, home economy difficulty, other-acknowledgement of the misdeed were significant determining factors for teacher attachment. And (3) gender, self-believe, other-acknowledgement of the misdeed, class participation, life satisfaction, worrying the other people's blame, and parent monitoring were significant determining factors for peer attachment. These results suggest that students' diverse conditions and combinations of determining factors depending on the prediction models for the types of adolescent attachment should be considered individually in methods and programs for enhancing students' attachment.