| 1 |
1
전자 장치에 의한 의사결정나무 기반 분류 해석 방법에 있어서,데이터 집합의 분류에 관련된 의사결정나무 앙상블 전체에서 글로벌 변수 중요도를 확인하는 동작;상기 데이터 집합에서 각 특성들에 대응하는 데이터 값들을 정규화하는 동작; 및상기 글로벌 변수 중요도 및 상기 정규화된 데이터 값들에 기반하여 클래스 별 변수 중요도를 산출하는 동작;을 포함하는 의사결정나무 기반의 분류 해석 방법
|
| 2 |
2
청구항 1에 있어서, 상기 글로벌 특징 중요도를 확인하는 동작은,상기 의사결정나무 앙상블의 모든 분기점들에 대한 정보 획득량을 수집하는 동작;상기 수집된 정보 획득량 중 동일한 특성에 대한 분기점들의 정보 획득량을 합산하여 각 특성의 정보 획득량을 산출하는 동작; 및상기 각 특성들의 정보 획득량의 상대적인 크기를 상기 글로벌 변수 중요도로 결정하는 동작을 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 3 |
3
청구항 1에 있어서, 상기 데이터 값들을 정규화하는 동작은,상기 데이터 집합에 포함된 모든 데이터 값들을 상기 각 특성 별로 정규화하는 동작을 포함하는 의사결정나무 기반의 분류 해석 방법
|
| 4 |
4
청구항 3에 있어서, 상기 각 특성 별로 정규화하는 동작은,상기 모든 데이터 값들을 표준 정규화하는 동작을 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 5 |
5
청구항 3에 있어서, 상기 데이터 값들을 정규화하는 동작은,상기 데이터 집합에 포함된 데이터들을 수치화하여 상기 데이터 값들을 결정하는 동작을 더 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 6 |
6
청구항 1에 있어서, 상기 산출하는 동작은,상기 글로벌 변수 중요도 및 상기 정규화된 데이터 값들에 기반하여 각 클래스 라벨들의 분류에 기여한 특성을 정량화하여 상기 클래스 별 변수 중요도를 산출하는 동작을 포함하는 의사결정나무 기반의 분류 해석 방법
|
| 7 |
7
청구항 6에 있어서, 상기 정량화하여 상기 클래스 별 변수 중요도를 산출하는 동작은,상기 정규화된 모든 데이터 값들 중에서 각 클래스 라벨들에 대응하는 정규화된 데이터 값들의 특성 별 평균을 산출하는 동작; 및상기 글로벌 변수 중요도와 상기 산출된 특성 별 평균을 곱한 결과에 기반하여 상기 클래스 별 변수 중요도를 산출하는 동작을 포함하는 의사결정나무 기반의 분류 해석 방법
|
| 8 |
8
청구항 7에 있어서, 상기 곱한 결과의 절대 값이 클수록 개별 변수 중요도가 높은 것으로 결정하는 동작을 더 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 9 |
9
청구항 1에 있어서, 상기 클래스 별 변수 중요도를 제공하는 동작을 더 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 10 |
10
청구항 1에 있어서, 상기 확인하는 동작 이전에,상기 의사결정나무 앙상블에 기반하여 상기 데이터 집합의 클래스 라벨을 분류하는 동작을 더 포함하는, 의사결정나무 기반의 분류 해석 방법
|
| 11 |
11
전자 장치에 있어서,적어도 하나의 인스트럭션을 저장하는 메모리; 및프로세서를 포함하고, 상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써,데이터 집합의 분류에 관련된 의사결정나무 앙상블 전체에서 글로벌 변수 중요도를 확인하고,상기 데이터 집합에서 각 특성들에 대응하는 데이터 값들을 정규화하고,상기 글로벌 변수 중요도 및 상기 정규화된 데이터 값들에 기반하여 클래스 별 변수 중요도를 산출하는, 전자 장치
|
| 12 |
12
청구항 11에 있어서, 상기 프로세서는,상기 의사결정나무 앙상블의 모든 분기점들에 대한 정보 획득량을 수집하고,상기 수집된 정보 획득량 중 동일한 특성에 대한 분기점들의 정보 획득량을 합산하여 각 특성들에 대한 정보 획득량을 산출하고, 상기 각 특성들에 대한 정보 획득량의 상대적인 크기를 상기 글로벌 변수 중요도로 결정하는, 전자 장치
|
| 13 |
13
청구항 11에 있어서, 상기 프로세서는,상기 데이터 집합에 포함된 모든 데이터 값들을 상기 각 특성 별로 표준 정규화하는 의사결정나무 기반의 분류 해석 방법
|
| 14 |
14
청구항 13에 있어서, 상기 프로세서는,상기 데이터 집합에 포함된 데이터들을 수치화하여 상기 데이터 값들을 결정하는 동작을 더 포함하는, 전자 장치
|
| 15 |
15
청구항 11에 있어서, 상기 프로세서는,상기 글로벌 변수 중요도 및 상기 정규화된 데이터 값들에 기반하여 각 클래스 라벨들의 분류에 기여한 특성을 정량화하여 상기 클래스 별 변수 중요도를 산출하는, 전자 장치
|
| 16 |
16
청구항 15에 있어서, 상기 프로세서는,상기 데이터 집합에 대응하는 모든 정규화된 데이터 값들 중에서 각 클래스 라벨들에 대응하는 정규화된 데이터 값들의 평균을 산출하고,상기 글로벌 변수 중요도에 상기 산출된 평균을 곱한 결과에 기반하여 상기 클래스 별 변수 중요도를 산출하는, 전자 장치
|
| 17 |
17
청구항 16에 있어서, 상기 프로세서는,상기 곱한 결과의 절대 값이 클수록 개별 변수 중요도가 높은 것으로 결정하는 동작을 더 포함하는, 전자 장치
|
| 18 |
18
전자 장치에 있어서,적어도 하나의 인스트럭션을 저장하는 메모리; 및프로세서를 포함하고, 상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써,지정된 데이터 집합을 분류한 의사결정나무 앙상블 전체에서 글로벌 변수 중요도를 확인하고,상기 데이터 집합에서 각 특성들에 대응하는 데이터 값들 및 상기 글로벌 변수 중요도들에 기반하여 클래스 별 변수 중요도를 산출하는, 전자 장치
|
| 19 |
19
청구항 18에 있어서, 상기 프로세서는,상기 데이터 집합에 포함된 모든 데이터들을 수치화함에 따라 데이터 값들을 결정하고, 상기 데이터 값들을 특성 별로 표준 정규화하고,상기 정규화된 각 특성들에 대응하는 데이터 값 및 상기 글로벌 변수 중요도들에 기반하여 클래스 별 변수 중요도를 산출하는, 전자 장치
|
| 20 |
20
청구항 19에 있어서, 상기 프로세서는,상기 데이터 집합에 대응하는 모든 정규화된 데이터 값들 중에서 각 클래스 라벨들에 대응하는 데이터 값들의 평균을 산출하고,상기 글로벌 변수 중요도에 상기 각 클래스 라벨들에 대응하는 데이터 값들의 평균을 곱한 결과에 기반하여 상기 클래스 별 변수 중요도를 산출하는, 전자 장치
|
