• 논리연구
• /
• 제7권2호
• /
• pp.121-146
• /
• 2004

본 논문은 베이즈주의가 확률론을 이용해서 제거적 귀납을 정교하게 발전시키고 있다고 주장한다. 이를 위해 본 논문은 두 가지 작업을 진행한다. 하나는 제거적 귀납이 무엇인가 하는것이고 다른 하나는 제거적 귀납이 베이즈주의에 기여하는 바가 무엇인가 하는 것이다. 먼저 본 논문은 제거적 귀납이 참인 가설을 포함하는 가능한 가설들의 총체로부터 경쟁가설들을 연역적 또는 귀납적으로 제거하고 남는 가설을 선택하는 추론형식임을 밝히고, 이 때 베이즈주의는 제거적 귀납을 정교하게 발전시킨 모습이기 때문에 제거적 귀납으로부터 기술적으로 도움 받을 측면은 없다고 주장한다. 그 대신 본 논문은 베이즈주의가 과학방법론으로 발전되는 데에서 직면하는 여러 가지 문제점을 해결하는 방법에 대해 제거적 귀납으로부터 조언을 얻을 수 있다고 주장한다. 이와 같은 논의를 통해 본 논문은 베이즈주의와 제거적 귀납주의의 결합은 유용한 과학방법론을 만들 수 있을 것으로 전망한다.

• 한국지능시스템학회논문지
• /
• 제8권6호
• /
• pp.27-36
• /
• 1998

본 논문은 대규모 데이터베이스에서 유용한 지식을 발견하기 위해 라프셋을 중심으로 한 통합적 방법을 제시한다. 본 방업에서는 데이터베이스에 있는 실제 데이터에서 일반화된 데이터를 추출하기 위해 속성중심의 개념계층 상승기법을 사용하고, 획득 정보량을 측정하기 위해 결정 트리에 의한 귀납법을 사용한다. 그리고 불필요한 속성 및 속성값을 제거하기 위해 라프셋 이론의 지식감축 방법을 적용한다. 통합 알고리즘은 먼저, 개념의 일반화에 의해 데이터베이스의 크기를 줄이고, 다음으로 결정속성에 영향을 적게 미치는 조건속성을 제거함으로써 속성의 수를 줄인다. 마지막으로 속성간의 종속관계를 분석함으로써 불필요한 속성값을 제거하여 간략화된 결정규칙을 유도한다.