검색 상세

무작위 셔플 합성곱 신경망의 자동 특징 추출을 활용한 표 데이터 분류

RSCNN: Tabular Data Classification with Random Shuffle Convolutional Neural Network using Auto Feature Extraction

초록/요약

컴퓨팅 성능이 증가하고, 딥 러닝과 기계학습의 학습에 이용할 수 있는 데이터가 증가하면서, 많은 애플리케이션에 딥 러닝과 기계학습 기법이 적용되고 있다. 특히, 표 데이터에 대한 예측이나 분류에는 많은 방법들이 연구되고 있다. 하지만 표 데이터에 기계학습을 적용하여 높은 성능을 얻으려면 많은 시간을 들여 새로운 특징을 생성하거나, 이미 존재하는 특징들 중에 예측인자로 사용할 특징들을 선택하는 특징 분석과정에 많은 시간이 필요하다. 본 논문에서는 합성곱 신경망이 필터를 통하여 특징을 추출해내는 특성이 있음을 착안하여, 표 데이터에 합성곱 신경망을 적용하는 방법인 무작위 합성곱 신경망(RSCNN) 모델을 제안한다. 제안 방법의 성능 향상을 위해 앙상블 기법을 적용하고, 기존방법들과 “기상정보를 이용한 너울성 파도 예측” 문제에 적용하여 F-1 스코어를 통하여 성능을 비교하였다. 특징 분석 없이도 기존의 성능이 높은 기계학습인 lightGBM 대비 3.3%, 다른 딥러닝 방법과 기계학습 방법에 비해서도 평균 4%의 성능향상을 이루었다.

more