| 1 |
1
데이터에 대한 회귀 분석을 수행하는 방법으로서,제1 결측치를 포함하는 훈련 데이터에 기반하여 결측치 대체 학습 모델을 생성하는 단계,입력 데이터에 제2 결측치가 포함될 때 상기 결측치 대체 학습 모델을 이용하여 상기 제2 결측치를 대체하는 단계, 그리고상기 제2 결측치가 대체된 입력 데이터에 기반하여 목표 데이터를 예측하는 단계를 포함하는 회귀 분석 방법
|
| 2 |
2
제1항에서,상기 결측치 대체 학습 모델을 생성하는 단계는,상기 제1 결측치를 포함하는 상기 훈련 데이터를 생성하는 단계, 그리고상기 훈련 데이터를 이용하여 오토인코더를 훈련하는 단계를 포함하는, 회귀 분석 방법
|
| 3 |
3
제2항에서,상기 결측치 대체 학습 모델을 생성하는 단계는,상기 오토인코더를 훈련하는 단계 이후,상기 오토인코더의 하이퍼파라미터를 조정하여 훈련을 반복하고, 복수의 후보 결측치 대체 학습 모델을 생성하는 단계를 포함하는, 회귀 분석 방법
|
| 4 |
4
제3항에서,상기 결측치 대체 학습 모델을 생성하는 단계는,상기 후보 결측치 대체 학습 모델을 생성하는 단계 이후,교차 검증을 통해 상기 복수의 후보 결측치 대체 학습 모델 중 하나의 결측치 대체 학습 모델을 선택하는 단계를 포함하는, 회귀 분석 방법
|
| 5 |
5
제2항에서,상기 오토인코더를 훈련하는 단계는,최적화 기법을 이용하여 상기 제1 결측치를 포함하는 훈련 데이터와 복원 데이터 간의 크로스-엔트로피(cross-entropy)를 감소시키는 방향으로 상기 오토인코더를 훈련하는, 회귀 분석 방법
|
| 6 |
6
제5항에서,상기 최적화 기법은 경사하강법(Gradient Descent)인, 회귀 분석 방법
|
| 7 |
7
제3항에서,상기 하이퍼파라미터는 은닉층의 개수, 은닉 요소의 개수, 및 드롭아웃 비율 중 하나인, 회귀 분석 방법
|
| 8 |
8
데이터에 대한 회귀 분석을 수행하는 장치로서,결측치를 포함하는 훈련 데이터에 기반하여 결측치 대체 학습 모델을 생성하는 훈련부,입력 데이터에 결측치가 포함될 때 상기 결측치 대체 학습 모델을 이용하여 상기 입력 데이터에 포함된 결측치를 대체값으로 대체하는 결측치 대체부, 그리고상기 대체값을 포함하는 입력 데이터에 기반하여 목표 데이터를 예측하는 예측부를 포함하는 회귀 분석 장치
|
| 9 |
9
제8항에서,상기 훈련부는,상기 훈련 데이터를 생성하고, 상기 훈련 데이터를 이용하여 오토인코더를 훈련시키는, 회귀 분석 장치
|
| 10 |
10
제9항에서,상기 훈련부는,상기 오토인코더의 하이퍼파라미터를 조정하여 상기 훈련을 반복하고, 복수의 후보 결측치 대체 학습 모델을 생성하는, 회귀 분석 장치
|
| 11 |
11
제10항에서,상기 훈련부는,교차 검증을 통해 상기 복수의 후보 결측치 대체 학습 모델 중 하나의 결측치 대체 학습 모델을 선택하는, 회귀 분석 장치
|
| 12 |
12
제9항에서,상기 훈련부는,최적화 기법을 이용하여 상기 훈련 데이터와 복원 데이터 간의 크로스-엔트로피(cross--tropy)를 감소시키는 방향으로 상기 오토인코더를 훈련시키는, 회귀 분석 장치
|
| 13 |
13
제12항에서,상기 최적화 기법은 경사하강법(Gradient Descent)인, 회귀 분석 장치
|
| 14 |
14
제10항에서,상기 하이퍼파라미터는 은닉층의 개수, 은닉 요소의 개수, 및 드롭아웃 비율 중 하나인, 회귀 분석 장치
|
| 15 |
15
데이터에 대한 회귀 분석을 수행하는 장치로서,프로세서 및 메모리를 포함하고,상기 프로세서는 상기 메모리에 저장된 프로그램을 실행하여,제1 결측치를 포함하는 훈련 데이터에 기반하여 결측치 대체 학습 모델을 생성하는 단계,입력 데이터에 제2 결측치가 포함될 때 상기 결측치 대체 학습 모델을 이용하여 상기 제2 결측치를 대체하는 단계, 그리고상기 제2 결측치가 대체된 입력 데이터에 기반하여 목표 데이터를 예측하는 단계를 수행하는, 회귀 분석 장치
|
