1 |
1
복수의 예측 모델들 각각의 학습 데이터에 대한 예측치를 수집하는 단계;상기 예측 모델들 각각의 예측치와 정답 예측치를 이용하여 상기 예측 모델들 각각의 예측 오차를 계산하는 단계;상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 가중치 레이블(Label)을 생성하는 단계; 및상기 가중치 레이블을 이용하여 상기 예측 모델들 각각의 가중치를 예측하는 앙상블 가중치 예측 모델을 학습하는 단계를 포함하는, 멀티 레이블 앙상블 학습 방법
|
2 |
2
제1항에 있어서,상기 앙상블 가중치 예측 모델을 학습하는 단계는,상기 예측 모델들 각각의 가중치와 상기 가중치 레이블이 최소화되도록, 상기 앙상블 가중치 예측 모델을 학습하는, 멀티 레이블 앙상블 학습 방법
|
3 |
3
제1항에 있어서,상기 가중치 레이블을 생성하는 단계는,상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 계산하는 단계; 및상기 오차 기반 가중치 점수에 기초하여 상기 가중치 레이블을 생성하는 단계를 포함하는, 멀티 레이블 앙상블 학습 방법
|
4 |
4
제3항에 있어서,상기 오차 기반 가중치 점수를 계산하는 단계는,상기 오차 기반 가중치 점수 간의 편차를 조절하기 위한 제1 파라미터 값을 반영하여 상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 계산하는, 멀티 레이블 앙상블 학습 방법
|
5 |
5
제3항에 있어서,상기 오차 기반 가중치 점수에 기초하여 상기 가중치 레이블을 생성하는 단계는,상기 예측 모델들 각각에 대한 오차 기반 가중치 점수 중 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는 단계; 및상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 기초하여 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는 단계를 포함하는, 멀티 레이블 앙상블 학습 방법
|
6 |
6
제5항에 있어서,상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는 단계는,상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 대한 정규화 과정을 통해 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수의 합이 1이 되도록 하고, 나머지 오차 기반 가중치 점수를 0으로 함으로써, 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 방법
|
7 |
7
제5항에 있어서,상기 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는 단계는,미리 결정된 제2 파라미터 값을 이용하여 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수 중 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는, 멀티 레이블 앙상블 학습 방법
|
8 |
8
제7항에 있어서,상기 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는 단계는,상기 제2 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 예측 모델 수를 결정하고, 상기 결정된 예측 모델 수에 해당하는 높은 값의 오차 기반 가중치 점수를 상기 적어도 일부의 오차 기반 가중치 점수로 선별하는, 멀티 레이블 앙상블 학습 방법
|
9 |
9
제8항에 있어서,상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는 단계는,상기 제2 파라미터 값과 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수를 이용하여 정규화 임계치를 계산하고, 상기 정규화 임계치, 상기 제2 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 방법
|
10 |
10
예측 모델들 각각의 학습 데이터에 대한 예측치를 수집하는 단계;상기 예측 모델들 각각의 예측치와 정답 예측치를 비교하여 상기 예측 모델들 각각의 예측 오차를 계산하는 단계;상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 계산하는 단계;미리 결정된 파라미터 값을 이용하여 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수 중 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는 단계; 및상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 기초하여 상기 예측 모델들 각각의 가중치를 예측하는 앙상블 가중치 예측 모델을 학습하는 단계를 포함하는, 멀티 레이블 앙상블 학습 방법
|
11 |
11
제10항에 있어서,상기 멀티 레이블 앙상블 학습 방법은,상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 대한 정규화 과정을 통해 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수의 합이 1이 되도록 하고, 나머지 오차 기반 가중치 점수를 0으로 함으로써, 상기 예측 모델들 각각의 가중치 레이블을 생성하는 단계를 더 포함하고,상기 앙상블 가중치 예측 모델을 학습하는 단계는,상기 예측 모델들 각각의 가중치 레이블을 이용하여 상기 앙상블 가중치 예측 모델을 학습하는, 멀티 레이블 앙상블 학습 방법
|
12 |
12
제10항에 있어서,상기 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는 단계는,상기 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 예측 모델 수를 결정하고, 상기 결정된 예측 모델 수에 해당하는 높은 값의 오차 기반 가중치 점수를 상기 적어도 일부의 오차 기반 가중치 점수로 선별하는, 멀티 레이블 앙상블 학습 방법
|
13 |
13
제12항에 있어서,상기 멀티 레이블 앙상블 학습 방법은,상기 파라미터 값과 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수를 이용하여 정규화 임계치를 계산하고, 상기 정규화 임계치, 상기 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 상기 예측 모델들 각각의 가중치 레이블을 생성하는 단계를 더 포함하고,상기 앙상블 가중치 예측 모델을 학습하는 단계는,상기 예측 모델들 각각의 가중치 레이블을 이용하여 상기 앙상블 가중치 예측 모델을 학습하는, 멀티 레이블 앙상블 학습 방법
|
14 |
14
복수의 예측 모델들 각각의 학습 데이터에 대한 예측치를 수집하는 수집부;상기 예측 모델들 각각의 예측치와 정답 예측치를 이용하여 상기 예측 모델들 각각의 예측 오차를 계산하고, 상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 가중치 레이블을 생성하는 생성부; 및상기 가중치 레이블을 이용하여 상기 예측 모델들 각각의 가중치를 예측하는 앙상블 가중치 예측 모델을 학습하는 학습부를 포함하는, 멀티 레이블 앙상블 학습 장치
|
15 |
15
제14항에 있어서,상기 생성부는,상기 예측 오차를 기반으로 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 계산하고,상기 오차 기반 가중치 점수에 기초하여 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 장치
|
16 |
16
제15항에 있어서,상기 생성부는,상기 예측 모델들 각각에 대한 오차 기반 가중치 점수 중 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하고,상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 기초하여 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 장치
|
17 |
17
제16항에 있어서,상기 생성부는,상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수에 대한 정규화 과정을 통해 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수의 합이 1이 되도록 하고, 나머지 오차 기반 가중치 점수를 0으로 함으로써, 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 장치
|
18 |
18
제16항에 있어서,상기 생성부는,미리 결정된 파라미터 값을 이용하여 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수 중 적어도 일부의 오차 기반 가중치 점수를 선택적으로 선별하는, 멀티 레이블 앙상블 학습 장치
|
19 |
19
제18항에 있어서,상기 생성부는,상기 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 예측 모델 수를 결정하고, 상기 결정된 예측 모델 수에 해당하는 높은 값의 오차 기반 가중치 점수를 상기 적어도 일부의 오차 기반 가중치 점수로 선별하는, 멀티 레이블 앙상블 학습 장치
|
20 |
20
제19항에 있어서,상기 생성부는,상기 파라미터 값과 상기 선택적으로 선별된 적어도 일부의 오차 기반 가중치 점수를 이용하여 정규화 임계치를 계산하고, 상기 정규화 임계치, 상기 파라미터 값과 상기 예측 모델들 각각에 대한 오차 기반 가중치 점수를 이용하여 상기 예측 모델들 각각의 상기 가중치 레이블을 생성하는, 멀티 레이블 앙상블 학습 장치
|