earticle

영어

The objective of this study is to investigate the applicability of machine learning techniques in discriminating the production origins of pottery. 732 data sets analyzing the chemical composition of traditional white porcelain from Korea and China were collected, and models for determining the production country were developed by applying various machine learning algorithms. Upon applying these models to 146 test samples, the statistical analysis, principal component analysis-line discriminant analysis yielded a prediction accuracy of 87.7%, while machine learning techniques such as decision tree, K-nearest neighbor, and support vector machine models demonstrated relatively high prediction accuracies of 96.6%, 98.6%, and 99.3%, respectively. Additionally, feature importance analysis confirmed that rubidium is consistently the most critical variable for determining the origin in machine learning techniques that exhibit superior performance in classifying complex data structures. These findings underscore the potential of machine learning techniques in effectively discerning the production origins of white porcelain from Korea and China.

한국어

본 연구의 목적은 도토기 생산지 판별에 있어서 머신러닝 기법의 적용 가능성을 확인하 는 것이다. 한국과 중국의 전통 백자 태토의 화학성분을 분석한 데이터 732개를 수집하였고, 다양한 머신러닝 알고리즘을 적용하여 생산국가 판별 모델을 개발하였다. 개발된 모델을 146개 테스트 시료에 적용한 결과, 통계적 분석법인 principal component analysis-linear discriminant analysis 모델에서는 87.7%의 예측 정확도를 얻었지만, 머신러닝 기법인 decision tree, K-nearest neighbor, support vector machine 모델에서는 각각 96.6%, 98.6%, 99.3%의 비교적 높은 예측 정확 도를 얻을 수 있었다. 아울러 특성 중요도 분석을 통해, 복잡한 데이터 구조의 분류 성능이 우수한 머신러닝 기법에서 공통적으로 rubidium을 생산지 판별에 가장 중요한 변수로 활용하고 있음을 확인하였다. 이러한 결과는 머신러닝 기법이 한국과 중국의 백자 생산지 판별에 효과적 으로 활용될 수 있음을 보여주었다.