• Journal of the Korean Data and Information Science Society
• /
• v.27 no.3
• /
• pp.629-638
• /
• 2016

Among data mining techniques, the association rule is one of the most used in the real fields because it clearly displays the relationship between two or more items in large databases by quantifying the relationship between the items. There are three primary quality measures for association rule; support, confidence, and lift. We evaluate association rules using these measures. The approach taken in the previous literatures as to estimation of association rule number has been one of a determination function method or a regression modeling approach. In this paper, we proposed a few of non-linear regression equations useful in estimating the number of rules and also evaluated the estimated association rules using the quality measures. Furthermore we assessed their usefulness as compared to conventional regression models using the values of regression coefficients, F statistics, adjusted coefficients of determination and variation inflation factor.

• The Korean Journal of Applied Statistics
• /
• v.4 no.2
• /
• pp.117-127
• /
• 1991

Coefficient of determination $R^2$ is most frequently used descriptive measure in practical use of linear regression analysis. But there have been controversies on defining this measure in the cases of linear regression without the intercept, weighted linear regression and robust linear regression. Several authors such as Kvalseth(1985) and Willet and Singer(1988) proposed many variations of $R^2$ to meet the situations. However, theire measures are not satisfactory due to the lack of a universal principle. In this study, we propose a unfied approach to defining the coefficient of determination $R^2$ using the concept of likelihood distance. This new measure is in good accordance with typical $R^2$ in linear regression and, moreover, can be applied to nonlinear regression models and generalized linear models such as logit and log-linear models.

• The Korean Journal of Applied Statistics
• /
• v.31 no.1
• /
• pp.123-137
• /
• 2018

A nonlinear mixed effects model is mainly used to analyze repeated measurement data in various fields. A nonlinear mixed effects model consists of two stages: the first-stage individual-level model considers intra-individual variation and the second-stage population model considers inter-individual variation. The individual-level model, which is the first stage of the nonlinear mixed effects model, estimates the parameters of the nonlinear regression model. It is the same as the general nonlinear regression model, and usually estimates parameters using the least squares estimation method. However, the least squares estimation method may have a problem that the estimated value of the parameters and standard errors become extremely large if the assumed nonlinear function is not explicitly revealed by the data. In this paper, a new estimation method is proposed to solve this problem by introducing the ridge regression method recently proposed in the nonlinear regression model into the first-stage individual-level model of the nonlinear mixed effects model. The performance of the proposed estimator is compared with the performance with the standard estimator through a simulation study. The proposed methodology is also illustrated using quantitative high throughput screening data obtained from the US National Toxicology Program.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1516-1519
• /
• 2011

예측에 필요한 중요한 자료에는 비선형 자료와 시계열과 같은 선형 자료 등이 있다. 이들 자료는 그 함축적인 관계가 매우 복잡하여 전통적인 통계분석 도구로 식별하는데 어려움이 많다. 신경망 분석은 비모수적 문제나 비선형 곡선 적합능력의 우수성 때문에 현실세계에서의 고유한 복잡성을 다루는 많은 경제 응용 분야에서 널리 이용되고 있다. 신경망은 또한 경제 시계열자료의 예측분야에서도 여러 연구에서 훌륭한 도구로서 적용되고 있다. 전통적으로 우리나라에서 시계열자료의 예측은 선형 자료적 분석을 중심으로 하는 분석도구인 자기회귀누적이동평균(ARIMA)모형을 이용한 시계열분석이 일반적이다. 이 연구에서는 신경망과 ARIMA 모형을 이용하여 한국의 주가변동 자료 및 자동차등록 현황 자료등과 같은 시계열자료를 이용한 예측결과를 비교한다. 연구의 결과는 신경망을 이용한 예측 방법들이 ARIMA 예측 결과보다 통계적으로 작은 오차를 주는 보다 효율적인 방법임을 보여주고 있다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.9
• /
• pp.952-960
• /
• 2000

본 논문에서는 퍼지 자동회귀 이동평균 (Fuzzy Auto-Regressive Moving Average, FARMA)제어기를 전력계통의 비선형 2기 5모선 (Two Machine - Five Bus)모형의 주파수 안정화에 적용한 결과를 제시한다 퍼지 자동회귀 이동 평균 제어기는 기존의 전문가에 의존하였던 퍼지제어 규칙을 실시간으로 형성해 나가는 구조이다. 복잡성, 비선형성 등 전력계통의 일반적인 특징들을 기술하고, 그 특징을 표현할 수 있는 비선형 2기5모선 모형을 제시한다. 제시된 모형을 바탕으로 기존 제어 방식과의 성능 비교를 실시하였고, 이를 통하여 FARMA 제어기의 우수성을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.359-359
• /
• 2011

기존 수자원계획에 있어서 수문량 예측은 매우 제한적으로 활용되고 있는 실정으로서 최근 기후변화 및 이상기후로 기인하는 기상학적 불확실성 증가에 대해서 효과적으로 대응 하기가 어렵다. 본 연구에서는 기상인자를 활용한 수문변량 예측기법을 개발하고자 하며 국내에 수문자료가 충분한 지역에 대해서 모형의 적합성과 타당성을 평가하고자 한다. 대부분의 수문변량은 해수면온도, 해수면기압, 바람장 등 Large Scale의 기상학적 특성과 연관성을 가지고 있으며 선행시간을 가지고 수문순환에 영향을 주고 있다. 수문변량과 기상학적 변량사이에는 일반적으로 비선형 관계를 가지고 있는 것으로 알려지고 있으며 이러한 비선형 관계를 효과적으로 예측하기 위해서 본 연구에서는 비선형 예측모형을 개발 하고자 한다. 최근 비선형 예측모형에서 불확실성을 고려한 모형에 대한 연구가 활발히 진행되고 있으며 특히, 다중 모형을 사용한 Ensemble 개념의 예측모형 도입이 이루어지고 있다. 본 연구에서는 국내 다목적댐 유입량 및 강수량에 대해서 최적 기상변량을 도출하고 이를 활용한 비선형 Ensemble 예측모형을 개발하였다. 일반적인 선형 회귀분석 모형에 비해 기상현상과 수문현상에 비선형성을 효과적으로 재현할 수 있는 장점을 확인할 수 있었으며 이와 더불어 예측결과에 대한 불확실성을 제공함으로서 신뢰성 있는 수자원 계획을 위한 기초자료로서 활용이 가능할 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.97-104
• /
• 2000

본 논문은 m개의 독립적인 일차 비선형 시계열로 구성된 패널자료의 동질성 검정에 대한 연구로서 먼저 일반적인 일차 비선형 시계열의 정상성 조건을 유도하고 이어서 동질성 검정법을 제시하고 연관된 극한분포를 규명하였다. 또한 모의실험을 하여 제안된 검정법의 모의검정력을 구하였다.

• Journal of Korea Water Resources Association
• /
• v.33 no.1
• /
• pp.31-38
• /
• 2000

Relationships between hydrologic variables are often nonlinear. Usually the functional form of such a relationship is not known a priori. A multivariate, nonparametric regression methodology is provided here for approximating the underlying regression function using locally weighted polynomials. Locally weighted polynomials consider the approximation of the target function through a Taylor series expansion of the function in the neighborhood of the point of estimate. The utility of this nonparametric regression approach is demonstrated through an application to nonparametric short term forecasts of the biweekly Great Salt Lake volume.volume.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.178-178
• /
• 2021

최근 들어 기후변화로 인한 극심한 가뭄 피해가 한반도에 발생하고 있다. 가뭄 상황에 대비하여 댐을 안정적으로 운영하기 위해서는 갈수빈도 유입량에 대한 분석이 필수적이다. 갈수빈도해석의 경우, 홍수빈도해석과 유사하게 확률밀도함수의 극값에 대한 확률값을 산정하며, 확률 분포형의 역함수에 비초과확률을 대입하여 산정한다. 그러나 홍수와 달리 가뭄은 지속기간이 긴 특성 탓에 자기상관을 고려해야하며, 댐 및 저수지 등 대규모 시설물의 경우 일반적인 하천과 달리 저류효과로 인해 누적 유량에 대한 고려가 필요하다. 이에 K-water는 자체 제작한 누가차분법 및 Disaggregation 두 가지 방법을 채택하여 실무에서 사용해왔다. 그러나 누가차분법을 사용할 경우, 빈도유입량이 지나치게 크게 산정되는 문제가 있으며, Disaggregation 방법을 사용하는 경우, 특정 빈도 이상의 극한가뭄에서 유입량의 차이가 유의미하지 않아 산정된 빈도유입량과 최근 발생한 극심한 가뭄의 실측유입량간 큰 차이가 발생하고 있다. 따라서 본 연구에서는 자기상관을 고려한 선형회귀모형에 근거하여 빈도유입량을 배분하는 방법을 제안한다. 또한, 앞서 서술한 네 가지 빈도유입량 방법(월빈도분석, 누가차분법, K-water Disaggregation, 자기상관 선형회귀모형)에 대한 수식적 비교를 수행하며, 국내 댐 유역에 적용 및 평가를 통해 자료 특성에 따른 적절한 빈도유입량 산정방식에 대한 기준을 제안한다. 본 연구를 통해 가뭄특성을 고려한 합리적인 댐 유입량을 산정함으로써 보다 유연한 수자원시설물의 가뭄대응이 이루어질 것으로 기대된다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.753-762
• /
• 2020

With an increasing interest in integrating artificial intelligence (AI) into interview processes, the Republic of Korea (ROK) army is trying to lead and analyze AI-powered interview platform. This study is to analyze the AI interview data using a unified non-crossing multiple quantile tree (UNQRT) model. Compared to the UNQRT, the existing models, such as quantile regression and quantile regression tree model (QRT), are inadequate for the analysis of AI interview data. Specially, the linearity assumption of the quantile regression is overly strong for the aforementioned application. While the QRT model seems to be applicable by relaxing the linearity assumption, it suffers from crossing problems among estimated quantile functions and leads to an uninterpretable model. The UNQRT circumvents the crossing problem of quantile functions by simultaneously estimating multiple quantile functions with a non-crossing constraint and is robust from extreme quantiles. Furthermore, the single tree construction from the UNQRT leads to an interpretable model compared to the QRT model. In this study, by using the UNQRT, we explored the relationship between the results of the Army AI interview system and the existing personnel data to derive meaningful results.