• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.33-39
• /
• 2013

반응변수의 변환을 고려하는 부분선형모형에서 이상치 문제는 선형모형에서와 마찬가지로 반응변수 변환모수의 추정에 왜곡된 결과를 초래할 수 있다. 이를 해결하기 위해서는 부분선형모형에서 반응변수 변환 모수 추정과 이상치 탐지 과정이 수행되어야 하지만 모형에 포함된 비모수 함수의 비정형성에 따른 어려움이 크다. 본 연구에서는 부분선형모형의 비모수함수에 대한 추정과 순차적 검정, 최대절사우도추정 등과 같은 이상치 제거방법의 적용을 통하여 부분선형모형에서 이상치에 강건한 반응변수 변환 과정을 제안한다. 제안된 방법들은 모의실험과 예제를 통해 효과를 비교 검증한다.

• 응용통계연구
• /
• 제31권4호
• /
• pp.463-473
• /
• 2018

연구에서는 선형회귀모형을 가정한 대형 데이터에서의 변수선택 알고리즘을 다룬다. 방법의 속도와 강건성에 주안점을 둔 여러 알고리즘들이 제안되었다. 그 중에서 streamwise 회귀 접근법을 사용한 VIF회귀는 신속하고 정확하게 수행된다. 그러나 VIF회귀는 최소제곱방법에 의해 모형이 추정되므로 이상치에 민감하다. 변수선택방법의 강건성을 높이기 위해 가중 추정치를 사용한 강건측도가 제안되었으며 강건 VIF회귀도 제안되었다. 본 연구에서는 잠재적 이상치를 탐지하여 제거한 후 VIF회귀를 수행하는, 빠르고 강건한 변수선택 방법을 제안한다. 제안된 방법은 모의실험과 데이터 분석 통해 다른 방법들과 비교된다.

• 응용통계연구
• /
• 제35권5호
• /
• pp.631-644
• /
• 2022

본 논문은 고차원 시계열 자료에 이상점이 존재하는 경우 희박벡터자기회귀모형(sparse VAR; sVAR)의 모수를 강건하게 추정하는 방법에 대해서 연구하였다. 먼저 Xu 등 (2008)이 독립인 자료에서 밝혔듯이 adaptive lasso 방법이 sVAR 모형에서도 어느 정도의 강건함을 가짐을 모의 실험을 통해 알 수 있었다. 하지만, 이상점의 개수가 증가하거나 이상점의 영향력이 커지는 경우 효율성이 현저히 저하되는 현상도 관찰할 수 있었다. 따라서 이를 개선하기 위해서 최소절대편차(least absolute deviation; LAD)와 Huber 함수를 기반으로 벌점화 시키는 adaptive lasso를 이용하여 sVAR 모형을 추정하는 방법을 본 논문에서는 제안하고 그 성능을 검토하였다. 모의 실험을 통해 제안한 로버스트 추정 방법이 이상점이 존재하는 경우에 모수 추정을 더 정확하게 하고 예측 성능도 뛰어남을 확인했다. 또한 해당 방법론들을 전력사용량 데이터에 적용한 결과 이상점으로 의심되는 시점들이 존재하였고, 이를 고려하여 강건하게 추정하는 제안한 방법론이 더 좋은 예측 성능을 보임을 확인할 수 있었다.

• 응용통계연구
• /
• 제26권4호
• /
• pp.687-696
• /
• 2013

이상치가 존재하는 경우 모형 적합의 결과가 왜곡될 수 있기 때문에 이상치 탐색은 데이터분석에 있어서 매우 중요하다. 이상치 탐지 방법은 많은 학자들에 의해 연구되어 왔다. 본 논문에서는 Hadi와 Simonoff (1993)가 제안한 직접적 이상치 탐지 방법을 벌점 스플라인 회귀모형에 적용하여 이상치를 탐지하는 과정을 제안하며 모의실험과 실제 데이터에 적용을 통하여 스플라인 회귀모형, 강건 벌점 스플라인 회귀모형과 효율성을 비교한다.

• 응용통계연구
• /
• 제28권3호
• /
• pp.561-571
• /
• 2015

실험영역을 벗어나는 점에 해당하는 반응값 예측을 위한 최적실험을 고려할 때 실험에 필요한 받힘점을 위한 실험기준을 선택하는 경우 매우 신중하여야 한다. 왜냐하면 가정한 모형과 오차구도가 실험영역을 벗어나도 타당하다는 가정을 하여야 되기 때문이다. 따라서 기존문헌의 외삽최적의 실험기준을 이러한 상황에 맞게 설계될 수 있도록 수정하였다. 본 연구에서는 maximin방법을 적용하여 새로운 실험기준의 특징 및 강건성을 단순회귀모형과 이차회귀모형을 기준으로 검정하였다.

• 응용통계연구
• /
• 제21권6호
• /
• pp.959-967
• /
• 2008

본 연구의 목적은 숨은마코프모형을 사용하여 음성구간의 끝점을 검출하는 문제에서 소음의 환경에서도 강건하며 계산의 부하가 적은 이산형 특징벡터를 제안하고 이의 성질을 실증적으로 밝히는 것이다. 제시된 특징벡터는 일차원의 소리 신호의 에너지의 변화율을 나타내는 경사도이며 숨은마코프모형과 관련된 계산에서의 부하를 감소하기 위하여 세 개의 값으로 이산화하였다. 여러 소음 수준의 끝점 검출의 실험에서, 제시된 특징벡터가 잡음 환경에서도 강건함을 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.346-349
• /
• 2021

표 기계독해에서는 도메인에 따라 언어모형에 필요한 지식이나 표의 구조적인 형태가 변화하면서 텍스트 데이터에 비해서 더 큰 성능 하락을 보인다. 본 논문에서는 표 기계독해에서 이러한 도메인의 변화에 강건한 사전학습 표 언어모형 구축을 위한 의미있는 표 데이터 선별을 통한 사전학습 데이터 구축 방법과 적대적인 학습 방법을 제안한다. 추출한 표 데이터에서 구조적인 정보가 없이 웹 문서의 장식을 위해 사용되는 표 데이터 검출을 위해 Heuristic을 통한 규칙을 정의하여 HEAD 데이터를 식별하고 표 데이터를 선별하는 방법을 적용했으며, 구조적인 정보를 가지는 일반적인 표 데이터와 엔티티에 대한 지식 정보를 가지는 인포박스 데이터간의 적대적 학습 방법을 적용했다. 기존의 정제되지 않는 데이터로 학습했을 때와 비교하여 데이터를 정제하였을 때, KorQuAD 표 데이터에서 f1 3.45, EM 4.14가 증가하였으며, Spec 표 질의응답 데이터에서 정제하지 않았을 때와 비교하여 f1 19.38, EM 4.22가 증가한 성능을 보였다.

• 응용통계연구
• /
• 제27권7호
• /
• pp.1269-1278
• /
• 2014

D-최적 실험은 실험의 이론적인 기초를 제공하는 이유로 비선형모형에 대해 실험설계 시 인기가 있지만 이러한 실험기준은 비선형인 경우 알려져 있지 않은 모수에 의존하는 모순적인 특징이 있다. 그러나 일부 비선형모형은 최적 실험이 비선형 모형의 일부 모수에만 의존하는 특징이 있는 부분비선형모형임 밝혀졌다. 일반적으로 비선형 모형인 경우는 maximin방법은 일반적으로 모수의 불확실성에 강건한 실험을 제공하지 못한다고 알려져 있으나 많은 부분비선형 모형인 경우 하나의 모수에만 최적실험이 의존하는 구조를 갖고 있어 최적실험의 구조를 밝히는데 매우 용이하다. 본 연구에서는 Michaelis-Menten 모형을 대상으로 모수의 불확실성에 대처하기 위한 maximin 방법을 D-최적 및 $D_s$-최적을 기준으로 살펴보았다.

• 응용통계연구
• /
• 제20권2호
• /
• pp.267-280
• /
• 2007

혼합물 성분들의 비율의 상한과 하한에 대한제한조건이 부과된 제한된 혼합물 실험 공간 R에서의 혼합물 실험을 위한 최적 설계를 찾는 데에 D-, G-, V- 최적기준 등과 같은 다양한 최적 설계 기준이 사용된다. 각각의 실험 설계는 선택된 최적 기준에 대해서는 최적이지만, 제한된 혼합물 실험 공간에서의 예측력에 대해서는 만족스럽지 못하다는 것은 잘 알려진 사실이다. (Vining 등, 1993; Khuri 등, 1999). 우리의 관심사는 2차 혼합물 반응표면모형을 가정한 경우에 제한된 혼합물 공간에서의 효율적인 실험 설계를 찾는 것이다. 이 논문에서는 꼭지점, 선중심점, 면중심점, 중앙점과 내부점으로 구성된 확장된 후보 실험점 그룹을 구성한 다음에, D-최적기준, G-최적기준, V-최적기준과 실험점들 간의 거리에 근거한 U-최적기준에 강건한 실험 설계를 제안한다. Khuri 등(1999)에서 분석된 비료 혼합물 실험과Vining과 Cornell(1993)이 분석한 조명탄 혼합물 실험의 사례에서 강건한 실험설계들과 두 논문에서 추천된 실험 설계들에 대한 예측치의 표준화된 분산의 분위수의 그림(SVPQP)을 비교한 결과 강건한 설계가 상대적으로 우월함이 판명되었다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.309-327
• /
• 2021

동적 치료 요법(dynamic treatment regimes; DTRs)은 다단계 무작위 시험에서 개인에 맞는 치료를 제공하도록 설계된 의사결정 규칙이다. 모든 개인이 동일한 유형의 치료를 처방받는 고전적인 방법과 달리 DTR은 시간이 지남에 따라 변할 수 있는 개별 특성을 고려한 환자 맞춤형 치료를 제공한다. 최적의 치료 규칙을 파악하기 위한 회귀 기반 알고리즘 중 하나인 Q-학습 방법은 쉽게 구현될 수 있기 때문에 더욱 인기를 끌고 있다. 그러나 Q-학습 알고리즘의 성능은 Q-함수를 제대로 설정했는지의 여부에 크게 의존한다. 본 논문에서는 고차원 데이터가 수집되는 DTRs 문제에 대한 다양한 이중강건 Q-학습 알고리즘을 연구하고 가중 최소제곱 추정 방법을 제안한다. 이중강건성(double-robustness)은 반응변수에 대한 모형 혹은 처리변수에 대한 모형 둘 중 하나만 제대로 설정되어도 불편추정량을 얻을 수 있음을 의미한다. 다양한 모의실험 연구를 통해 제안된 방법이 여러 시나리오 하에서도 잘 작동함을 확인하였으며 실제 데이터 예제를 통해 방법론에 대한 예시를 제시하였다.