레이블 노이즈가 존재하는 불균형자료의 분류분석 연구

Abstract

관측된 범주형 종속변수에 오류가 포함된 것을 의미하는 레이블 노이즈(label noise)와 두 집단의 자료 수가 불균형한 자료를 의미하는 불균형자료(imbalanced data)는 실데이터에서 접하기 쉬운 문제이며 분류 성능을 낮출 수 있다. 따라서 본 논문에서는 이를 개선하기 위해 레이블 노이즈가 존재하는 불균형자료에서의 분류분석(classification analysis)에 대해 비교연구를 진행하였다. 특히, 레이블 노이즈의 발생형태, 샘플링방법, 분류방법에 따른 분류 성능을 Accuracy, G-mean, AUC를 이용하여 살펴보았다. 이를 통해 데이터의 형태와 레이블 노이즈의 발생형태에 따라 상황별로 적합한 샘플링방법과 분류방법을 제안하고자 한다.