| 1 |
1
독립 변수의 영향력을 분석하기 위한 통계적 학습 시스템에 있어서,독립 변수의 정보가 포함된 학습 데이터 세트를 학습할 때, 학습 모델 계수의 크기를 줄이면서 다수개의 변수 특징을 유지하는 정규화 기법 또는 종속 변수에 영향을 미치지 않으면서 독립 변수의 차원을 변환하는 차원 변환 기법이 적용된 회귀분석 모델이 탑재되어 종속 변수의 컷오프를 기준으로 이진 분류를 수행하는 통계적 학습 모듈;상기 통계적 학습 모듈의 이진 분류의 기준이 되는 상기 컷오프의 값을 상기 회귀분석 모델에 적합한 포인트로 최적화시키는 컷오프 설정 모듈; 및교차 검증의 알고리즘을 이용하여 상기 학습 데이터 세트의 학습 횟수를 증폭시키는 데이터 세트 확장 모듈;을 포함하여,학습 데이터의 훈련 세트의 크기와 반복 횟수를 확장하고 다중공선성을 고려한 회귀 모델의 통계분석이 수행되는 것을 특징으로 하는 통계적 학습 시스템
|
| 2 |
2
제 1 항에 있어서,상기 통계적 학습 모듈은,상기 회귀분석 모델이 복수개로 구성될 수 있고,상기 회귀분석 모델은 서로 다른 유형의 회귀분석 모델이며, 최소 제곱법 회귀분석(OLS, Ordinary Least Squares), 능선 회귀분석(RR, Ridge Regression), 주성분 회귀분석(PCR, Principal Components Regression), 부분최소제곱 회귀분석(PLS, Partial Least Squares), 또는 서포트 벡터 회귀(SVR, Support Vector Regression) 중 선택된 복수개인 것을 특징으로 하는 통계적 학습 시스템
|
| 3 |
3
제 1 항에 있어서,상기 통계적 학습 모듈은,종속 변수의 컷오프를 기준으로, 통계적 유의성의 확인 대상이 되는 독립 변수의 유(有)/무(無)에 따른 이진 분류를 각각 수행하는 것을 특징으로 하는 통계적 학습 시스템
|
| 4 |
4
제 1 항에 있어서,상기 컷오프 설정 모듈은,민감도와 특이도로 그려지는 ROC(Receiver Operating Characteristic) 곡선에서 민감도와 특이도의 합을 최대로 하는 포인트를 상기 컷오프로 설정하는 것을 특징으로 하는 통계적 학습 시스템
|
| 5 |
5
제 4 항에 있어서,상기 컷오프 설정 모듈은,[관계식 1]에 따라 상기 컷오프의 포인트를 최적화하는 것을 특징으로 하는 통계적 학습 시스템
|
| 6 |
6
제 1 항에 있어서,상기 데이터 세트 확장 모듈은,상기 통계적 학습 모듈의 분류 알고리즘에서 학습 데이터 세트(n개) 중 하나의 표본을 테스트 데이터로 남기고, 나머지 학습 데이터 세트(n-1개)로 분류 알고리즘을 재학습하는 것을 특징으로 하는 통계적 학습 시스템
|
| 7 |
7
제 1 항에 있어서, 상기 통계적 학습 모듈은,분류 알고리즘에서 상기 회귀분석 모델의 초매개변수(hyperparameter)로, 디폴트 값(default value) 또는 조절(tuning)된 값이 적용되는 것을 특징으로 하는 통계적 학습 시스템
|
| 8 |
8
제 1 항에 있어서, 상기 통계적 학습 모듈은,상기 회귀분석 모델이 복수개로 구성될 수 있고,복수개의 회귀분석 모델이 앙상블(Ensemble Learning) 알고리즘으로 통합된 것을 특징으로 하는 통계적 학습 시스템
|
| 9 |
9
데이터를 입력하는 입력 수단, 입력된 데이터를 처리하는 처리 수단 및 출력 수단을 갖는 스마트폰, 태블릿, 노트북, 또는 컴퓨터에, 독립 변수의 정보가 포함된 학습 데이터 세트를 학습할 때, 학습 모델 계수의 크기를 줄이면서 다수개의 변수 특징을 유지하는 정규화 기법 또는 종속 변수에 영향을 미치지 않으면서 독립 변수의 차원을 변환하는 차원 변환 기법이 적용된 회귀분석 모델이 탑재되어 종속 변수의 컷오프를 기준으로 이진 분류를 수행하는 통계적 학습 기능;상기 통계적 학습 기능의 실행시 이진 분류의 기준이 되는 상기 컷오프의 값을 상기 회귀분석 모델 별로 최적화하는 컷오프 설정 기능; 및교차 검증의 알고리즘을 이용하여 상기 학습 데이터 세트의 학습 횟수를 증폭시키는 데이터 세트 확장 기능;을 실행시키기 위하여 매체에 저장된 통계적 학습 어플리케이션
|
