earticle

한국어

최근 기계학습에서 판별 기술이 다양한 문제 해결에 활용되고 있다. 하지만 우리가 실제 다루고 있는 데이터셋들은 클래스 불균형이 많이 등장하고 있어 샘플 바이어스 등 왜곡된 결과가 도출되는 것을 해결하기 위해 다양한 방법들이 제안되고 있다. 그러나 어떤 클래스 불균형의 비율 및 불균형 완화 방법 별로 어떤 판별 알고리즘이 우수한지를 규명한 연구는 거의 존재하지 않는다. 따라서 본 연구의 목적은 다양한 클래스 불균형 상황에서 어떤 불균형 해소 방법과 classification algorithm의 적합성이 판별 성능을 극대화하는지를 파악하는 것이다. 이를 위해 본 연구에서는 UCI Repository에서 제공하는 벤치마크 데이터셋을 대상으로 클래스 불균형 문제 해소에 사용되는 방법을 각 대표적인 classification algorithm 에 적용하여 그 성능을 비교하자 한다. 본 연구에서는 과대표집법(over sampling)에 집중하여 고찰해보고자 한다.