메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이수지 (조선대학교) 김규빈 (조선대학교) 김주현 (국립안동대학교) 조석헌 (University of California)
저널정보
한국통신학회 한국통신학회 학술대회논문집 2023년도 한국통신학회 하계종합학술발표회 논문집
발행연도
2023.6
수록면
329 - 332 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 워크플로 기반 데이터 분석 도구인 KNIME을 활용하여 심장병 분류 예측을 위해 다양한 기계학습 알고리즘들을 적용하여 성능을 비교 및 분석하였다. 이때, Random Forest, XGBoost, Naive Bayes, Multi-Layer Perceptron (MLP) 알고리즘들을 사용하였다. 다차원 이진 데이터인 심장병 데이터 세트에 심장병 분류 예측 성능을 비교 및 분석하기 위해서 4가지의 성능 평가 지표를 고려하였다. 또한, 원본 데이터, Random Forest의 중요도 및 상관관계 속성을 고려하여 선택한 데이터, 그리고 Principal Component Analysis (PCA)를 적용한 데이터 등 3개의 데이터 세트를 생성하여 다양한 분석 결과를 얻었다. 그 결과, 원본 데이터 세트와 속성을 선택한 데이터 세트에서는 MLP 알고리즘이 가장 좋은 성능을 보였다. 또한, PCA를 적용한 데이터 세트에서 XGBoost 알고리즘이 가장 뛰어난 성능을 보였다.

목차

요약
Ⅰ. 서론
Ⅱ. 데이터 세트 및 축소
Ⅲ. 기계학습 알고리즘 적용
Ⅳ. 심장병 분류 분석
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0