1 |
1
제1 데이터 세트를 입력하는, 데이터 입력부;상기 제1 데이터 세트를 정규화하고, 상기 정규화된 제1 데이터 세트를 제1 트레이닝 데이터 세트와 제1 테스트 데이터 세트로 분할하는, 데이터 전처리부;상기 제1 트레이닝 데이터 세트로 제1 머신러닝 모델을 학습시키고, 미리지정된 수의 교차 검증을 사용하여 상기 제1 머신러닝 모델의 하이퍼파라미터를 최적화함으로서, 제1학습모델을 생성하는, 학습모델 생성부;상기 생성된 제1학습모델을 상기 제1 테스트 데이터 세트로 검증하는, 검증부;상기 제1 데이터 세트에 의해 정의된 경계 공간 (boundary space) 내에서 신규 파라미터를 선택하여 생성하고, 상기 신규 파라미터에 기초하여 상기 제1학습모델을 사용하여 데이터 예측(prediction)을 수행하여 준합성(semi-synthetized)된 데이터 세트를 생성하는, 준합성 데이터 생성부; 및상기 제1 데이터 세트 및 상기 준합성된 데이터 세트를 저장하는, 데이터베이스를 포함하는, 데이터 생성 장치
|
2 |
2
제1항에 있어서, 상기 데이터 전처리부는, 상기 준합성된 데이터 세트를 상기 제1 데이터 세트와 결합하여 제2 데이터 세트를 생성하며, 상기 제2 데이터 세트를 제2 트레이닝 데이터 세트와 제2 테스트 데이터 세트로 분할하고,상기 학습모델 생성부는, 상기 제2 트레이닝 데이터 세트로 제2 머신러닝 모델을 학습시키고 미리지정된 수의 교차검증을 사용하여 상기 제2 머신러닝 모델의 하이퍼파리미터를 최적화함으로서 제2학습모델을 더 생성하는 것을 특징으로 하는, 데이터 생성 장치
|
3 |
3
제2항에 있어서, 상기 검증부는, 상기 제2 머신러닝 모델을 상기 제2 테스트 데이터 세트로 검증하여, 상기 제2학습모델의 검증정확성(validation accuracy)가 미리정해진 검증정확성 임계값보다 높은지 여부를 판정함으로서 상기 신규 파라미터의 적합성을 판정하는 것을 특징으로 하는, 데이터 생성 장치
|
4 |
4
제3항에 있어서, 상기 준합성 데이터 생성부는, 상기 신규 파라미터가 적합하다고 판정되면 상기 준합성된 데이터 세트를 유효한 데이터 세트로 식별하고 상기 제2 데이터 세트를 상기 데이터베이스에 저장하며,상기 신규 파라미터가 부적합하다고 판정되면 상기 준합성된 데이터 세트를 폐기하는 것을 특징으로 하는, 데이터 생성 장치
|
5 |
5
제1항에 있어서,상기 준합성 데이터 생성부는,상기 신규 파라미터의 선택시, 상기 제1 데이터 세트로부터 획득될 수 없었던 파라미터를 생성하도록 플로팅 포인트(floating poinit) 또는 정수(integer)의 무작위 수 생성기(random number generator)를 사용하여 신규 파라미터를 생성하는 것을 특징으로 하는, 데이터 생성 장치
|
6 |
6
제1항에 있어서, 상기 준합성 데이터 생성부는,상기 신규 파라미터의 선택시, 상기 제1 데이터 세트에 의해 정의된 경계 공간의 경계 조건(boundary condition)에 기초하여 산출된 신규 파라미터를 선택하여 생성하는 것을 특징으로 하는, 데이터 생성 장치
|
7 |
7
제1항에 있어서,상기 제1 머신러닝 모델은 SVM(Support Vector Machine) 또는 XGB(XGboost)을 사용하는 것을 특징으로 하는, 데이터 생성 장치
|
8 |
8
제2항에 있어서, 상기 제2 머신러닝 모델은 상기 제1 머신러닝 모델과 동일한 것을 특징으로 하는, 데이터 생성 장치
|
9 |
9
제1 데이터 세트를 입력하는, 데이터 입력부;상기 제1 데이터 세트를 정규화하고, 상기 정규화된 제1 데이터 세트를 제1 트레이닝 데이터 세트와 제1 테스트 데이터 세트로 분할하는, 데이터 전처리부;상기 제1 트레이닝 데이터 세트로 제1 머신러닝 모델을 학습시키고 최적화함으로서 제1학습모델을 생성하는, 학습모델 생성부;상기 생성된 제1학습모델을 상기 제1 테스트 데이터 세트로 검증하는, 검증부;상기 제1 데이터 세트에 의해 정의된 경계 공간 (boundary space) 내에서부터 신규 파라미터를 선택하여 생성하고, 상기 신규 파라미터에 기초하여 상기 제1학습모델을 사용하여 데이터 예측(prediction)을 수행하여 준합성(semi-synthetized)된 데이터 세트를 생성하는, 준합성 데이터 생성부; 상기 준합성된 데이터 세트와 상기 제1 데이터 세트가 결합하여 생성된 제2 데이터 세트 및 상기 제1 머신러닝 모델에 기초하여 상기 신규 파라미터의 적합성을 판정하고, 그 적합성 여부에 따라 상기 준합성된 데이터 세트의 유효 데이터로의 수용 및 폐기를 결정하는, 준합성 데이터 필터부; 및상기 제1 데이터 세트 및 상기 준합성된 데이터 세트를 저장하는, 데이터베이스를 포함하는, 데이터 생성 장치
|
10 |
10
데이터 생성 장치에 의해 수행되는 데이터 생성 방법으로서,제1 데이터 세트를 입력하는 단계;상기 제1 데이터 세트를 정규화하고 상기 정규화된 제1 데이터 세트를 제1 트레이닝 데이터 세트와 제1 테스트 데이터 세트로 분할하는 단계;상기 제1 트레이닝 데이터 세트로 제1 머신러닝 모델을 학습시키고, 미리지정된 수의 교차 검증을 사용하여 상기 제1 머신러닝 모델의 하이퍼파라미터를 최적화함으로서, 제1학습모델을 생성하는 단계;상기 제1학습모델을 상기 제1 테스트 데이터 세트로 검증하는 단계;상기 제1 데이터 세트에 의해 정의된 경계 공간 (boundary space) 내에서부터 신규 파라미터를 선택하여 생성하는 단계; 및상기 신규 파라미터에 기초하여 상기 제1학습모델을 사용하여 데이터 예측(prediction)을 수행하여 준합성(semi-synthetized)된 데이터 세트를 생성하는 단계를 포함하는, 데이터 생성 방법
|
11 |
11
제10항에 있어서, 상기 준합성된 데이터 세트를 상기 제1 데이터 세트와 결합하여 제2 데이터 세트를 생성하는 단계를 더 포함하는, 데이터 생성 방법
|
12 |
12
제11항에 있어서,상기 제2 데이터 세트를 제2 트레이닝 데이터 세트와 제2 테스트 데이터 세트로 분할하는 단계; 및상기 제2 트레이닝 데이터 세트로 제2 머신러닝 모델을 학습시키고 미리지정된 수의 교차검증을 사용하여 상기 제2 머신러닝 모델의 하이퍼파리미터를 최적화함으로서 제2학습모델을 생성하는 단계를 더 포함하는, 데이터 생성 방법
|
13 |
13
제12항에 있어서, 상기 제2 머신러닝 모델을 상기 제2 테스트 데이터 세트로 검증하여, 상기 제2학습모델의 검증정확성(validation accuracy)가 미리정해진 검증정확성 임계값보다 높은지 여부를 판정함으로서 상기 신규 파라미터의 적합성을 판정하는 단계를 더 포함하는, 데이터 생성 방법
|
14 |
14
제13항에 있어서, 상기 신규 파라미터가 적합하다고 판정되면, 상기 준합성된 데이터 세트를 유효한 데이터 세트로 식별하고 상기 제2 데이터 세트를 데이터베이스에 저장하고, 상기 신규 파라미터가 부적합하다고 판정되면, 상기 준합성된 데이터 세트를 폐기하는 단계를 더 포함하는, 데이터 생성 방법
|
15 |
15
제10항에 있어서,상기 신규 파라미터를 선택하여 생성하는 단계에서, 상기 제1 데이터 세트로부터 획득될 수 없었던 파라미터를 생성하도록 플로팅 포인트(floating poinit) 또는 정수(integer)의 무작위 수 생성기(random number generator)를 사용하여 신규 파라미터를 생성하는 것을 특징으로 하는, 데이터 생성 방법
|
16 |
16
제10항에 있어서,상기 신규 파라미터를 선택하여 생성하는 단계에서, 상기 제1 데이터 세트에 의해 정의된 경계 공간의 경계 조건(boundary condition)에 기초하여 산출된 신규 파라미터를 선택하여 생성하는 것을 특징으로 하는, 데이터 생성 방법
|
17 |
17
제12항에 있어서,상기 제1 머신러닝 모델은 SVM(Support Vector Machine) 또는 XGB(XGboost)을 사용하는 것을 특징으로 하는, 데이터 생성 방법
|
18 |
18
제12항에 있어서,상기 제2 머신러닝 모델은 상기 제1 머신러닝 모델과 동일한 것을 특징으로 하는, 데이터 생성 방법
|
19 |
19
제11항에 있어서,상기 제2 데이터 세트 및 상기 제1 머신러닝 모델에 기초하여 상기 신규 파라미터의 적합성을 판정함으로서 상기 준합성 데이터 세트를 필터링하는 단계를 더 포함하고,상기 준합성 데이터 세트 필터링 단계에서,상기 신규 파라미터의 적합하다고 판정되면, 상기 준합성 데이터 세트를 유효한 데이터 세트로 식별하여 상기 데이터베이스에 저장하고,상기 신규 파라미터가 부적합하다고 판정되면, 상기 준합성 데이터 세트를 폐기하는 것을 특징으로 하는, 데이터 생성 방법
|
20 |
20
제10항 내지 19항 중 어느 한 항의 데이터 생성 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체
|