1 |
1
데이터를 시각화하는 장치에 있어서, 학습용 데이터셋으로부터 추출되며, 메타데이터 변수인 기설정된 복수의 특징(feature) 데이터를 머신러닝 기반 모델에 입력하여 상기 학습용 데이터셋을 표현하는 복수의 시각화 데이터를 출력하여 상기 학습용 데이터셋을 시각화하도록 상기 머신러닝 기반 모델을 학습하는 학습부;실전용 데이터셋으로부터 상기 기설정된 복수의 특징 데이터를 추출하는 특징 추출부;상기 실전용 데이터셋으로부터 추출된 복수의 특징 데이터를 상기 머신러닝 기반 모델에 입력하여 상기 복수의 시각화 데이터 중 상기 실전용 데이터셋을 표현하는 적어도 하나의 시각화 데이터를 선정하는 시각화 데이터 선정부; 및상기 선정된 적어도 하나의 시각화 데이터를 출력하는 시각화 데이터 출력부를 포함하고, 상기 학습부는 상기 학습용 데이터셋으로부터 추출된 기설정된 복수의 특징 데이터로부터 상기 복수의 시각화 데이터를 표현하기 위해 사용되는 적어도 하나의 변수가 선택되도록 학습하되,상기 학습부는 상기 복수의 시각화 데이터별 시각화 적합성에 대한 정보에 기초하여 상기 학습용 데이터셋을 표현하는 복수의 시각화 데이터 중 적어도 하나의 시각화 데이터를 선정하고, 상기 선정된 적어도 하나의 시각화 데이터를 표현하기 위해 사용되는 적어도 하나의 변수가 선택되도록 상기 머신러닝 기반 모델을 학습하는 것인, 데이터 시각화 장치
|
2 |
2
제 1 항에 있어서, 상기 학습부는 상기 복수의 시각화 데이터를 생성하여 상기 학습용 데이터셋을 시각화하는 시각화 데이터 생성부; 및 상기 생성된 복수의 시각화 데이터 별로 시각화 적합성에 대한 정보를 입력받는 시각화 적합성 정보 입력부를 포함하는 것인, 데이터 시각화 장치
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서, 상기 머신러닝 기반 모델은 디시젼 트리(Decision Tree) 모델인 것인, 데이터 시각화 장치
|
5 |
5
제 1 항에 있어서, 상기 복수의 시각화 데이터는 산점도 그래프, 막대 그래프, 라인 그래프 및 파이 차트 중 하나 이상을 포함하는 것인, 데이터 시각화 장치
|
6 |
6
제 1 항에 있어서, 상기 기설정된 복수의 특징 데이터는 X축 변수 및 Y축 변수 간의 상관 계수(Correlation), 수치형(Numerical) 속성 정보, 상기 X 축 변수 및 상기 Y 축 변수 각각에 대한 왜곡도(Skewness), 첨도(Kurtosis) 및 중앙치(Median) 중 하나 이상을 포함하는 것인, 데이터 시각화 장치
|
7 |
7
제 1 항에 있어서, 상기 기설정된 복수의 특징 데이터는 열(row)의 개수, 범주형(Categorial) 속성 정보, X축 변수 및 Y축 변수 각각에 대한 최대값(Max), 왜곡도 및 첨도 중 하나 이상을 포함하는 것인, 데이터 시각화 장치
|
8 |
8
제 1 항에 있어서, 상기 기설정된 복수의 특징 데이터는 시계열형(Series) 속성 정보, 열의 개수, X축 변수 및 Y축 변수 각각에 대한 비율(Ratio) 및 범위(Range) 중 하나 이상을 포함하는 것인, 데이터 시각화 장치
|
9 |
9
제 1 항에 있어서, 상기 기설정된 복수의 특징 데이터는 범주형 속성 정보, X축 변수 및 Y축 변수 각각에 대한 비율, 컬럼(column)의 개수, 열의 개수 및 수치형 속성 정보 중 하나 이상을 포함하는 것인, 데이터 시각화 장치
|
10 |
10
제 1 항에 있어서, 상기 적어도 하나의 변수는 가로축의 정보, 세로축의 정보 및 데이터 간의 비율 정보를 포함하는 것인, 데이터 시각화 장치
|
11 |
11
제 1 항에 있어서,상기 시각화 데이터 선정부는 상기 적어도 하나의 시각화 데이터의 적어도 하나의 변수를 선정하고,상기 시각화 데이터 출력부는 상기 실전용 데이터셋을 상기 적어도 하나의 변수를 이용하여 상기 선정된 적어도 하나의 시각화 데이터로 표현하는 것인, 데이터 시각화 장치
|
12 |
12
데이터 시각화 장치에 의해 수행되는 데이터를 시각화하는 방법에 있어서, 학습용 데이터셋으로부터 추출되며, 메타데이터 변수인 기설정된 복수의 특징(feature) 데이터를 머신러닝 기반 모델에 입력하여 상기 학습용 데이터셋을 표현하는 복수의 시각화 데이터를 출력하여 상기 학습용 데이터셋을 시각화하도록 상기 머신러닝 기반 모델을 학습하는 단계;실전용 데이터셋으로부터 기설정된 복수의 특징 데이터를 추출하는 단계;상기 실전용 데이터셋으로부터 추출된 복수의 특징 데이터를 상기 머신러닝 기반 모델에 입력하여 상기 복수의 시각화 데이터 중 상기 실전용 데이터셋을 표현하는 적어도 하나의 시각화 데이터를 선정하는 단계; 및상기 선정된 적어도 하나의 시각화 데이터를 출력하는 단계를 포함하고, 상기 학습하는 단계는 상기 학습용 데이터셋으로부터 추출된 기설정된 복수의 특징 데이터로부터 상기 복수의 시각화 데이터를 표현하기 위해 사용되는 적어도 하나의 변수가 선택되도록 학습하는 단계를 포함하되,상기 학습하는 단계는 상기 복수의 시각화 데이터별 시각화 적합성에 대한 정보에 기초하여 상기 학습용 데이터셋을 표현하는 복수의 시각화 데이터 중 적어도 하나의 시각화 데이터를 선정하는 단계; 및상기 선정된 적어도 하나의 시각화 데이터를 표현하기 위해 사용되는 적어도 하나의 변수를 선택하도록 상기 머신러닝 기반 모델을 학습하는 단계를 포함하는 것인, 데이터 시각화 방법
|
13 |
13
제 12 항에 있어서, 상기 학습하는 단계는 상기 복수의 시각화 데이터를 생성하여 상기 학습용 데이터셋을 시각화하는 단계; 및상기 생성된 복수의 시각화 데이터 별로 시각화 적합성에 대한 정보를 입력받는 단계를 포함하는 것인, 데이터 시각화 방법
|
14 |
14
삭제
|
15 |
15
제 12 항에 있어서, 상기 머신러닝 기반 모델은 디시젼 트리(Decision Tree) 모델인 것인, 데이터 시각화 방법
|