earticle

영어

In this paper, the existing methods and a new proposed method of integration of k-means clustering and artificial neural network are compared and their estimation powers are evaluated for house price estimation. In previous studies, the integration methods were applied to areas other than house price, but the results of applying them to house price estimation are better than that of single usage of artificial neural network without k-means clustering. In the existing integration method, the k-means clustering is considered as a method in which the input data of the artificial neural network is divided according to similarity and the characteristics of each cluster are additionally reflected in the artificial neural network. The proposed integration model is configured in such a way that the training data is first divided from the learning data and the artificial neural network is constructed from k-means clustering results of the training data. In addition, the validation and test data are classified into the same number of clusters based on the closest criterion to the cluster centers of the training data groups. MAE is evaluated to show improved estimation power compared to the existing integration methods in the case of housing price estimation. The integration method proposed in this paper can be used not only for housing price estimation but also for various estimation models.

한국어

본 연구에서는 k-평균 군집화 및 인공신경망 모형의 통합적 활용방식을 주택가격 추정에 적용하였다. 기존의 통합적 방식을 정리하고 새로운 통합방식을 제안하였으며, 주택가격 추정에 적용 및 추정력을 비교·평가하였다. 기존의 통합방식 모형을 주택가격 추정에 적용한 결과는 앞선 연구결과와 마찬가지로, 인공신경망으로만 구성한 모형보다 k-평균 군집결과를 인공신경망에 통합적으로 적용한 경우가 나은 추정력을 보이는 것으로 평가되었다. 이와 더불어, 본 논문에서는 개선된 통합방식을 제안하고자 하였다. 기존의 통합방식은 k-평균 군집화 과정이 마치 인공신경망의 입력자료를 유사성에 따라 나누고, 군집별 특성을 추가적으로 인공신경망에 반영하는 방식으로 고려된다. 제안 한 통합모형은 학습용 데이터로부터 분할한 훈련용 데이터의 k-평균 및 군집결과로부터 인공신경망을 구성하는 형태로 구성하였다. 그리고 검증용 및 테스트용 데이터는 훈련용 데이터의 군집중심과 최근접 기준으로 각각 동일한 수의 군집으로 분류하였다. MAE로써 평가한 결과, 주택가격 추정사례에서 기존의 통합방식과 비교하여 개선된 추정력을 보이는 것으로 평가되었다. 본 논문에서 제안된 k-평균 군집화 및 인공신경망의 통합모형은 주택가격 추정 뿐만 아니라, 다양한 추정모형으로 활용이 가능할 것으로 기대된다.