지도학습 기반 암상 분류 시 클래스 간 자료 불균형을 고려한 평가지표 개발open accessDevelopment of Evaluation Metrics that Consider Data Imbalance between Classes in Facies Classification
- Other Titles
- Development of Evaluation Metrics that Consider Data Imbalance between Classes in Facies Classification
- Authors
- 김도완; 최준환; 변중무
- Issue Date
- Aug-2020
- Publisher
- KOREAN SOC EARTH & EXPLORATION GEOPHYSICISTS
- Keywords
- machine learning; imbalance problem; evaluation metrics; oversampling; facies classification
- Citation
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사), v.23, no.3, pp.131 - 140
- Indexed
- KCI
- Journal Title
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사)
- Volume
- 23
- Number
- 3
- Start Page
- 131
- End Page
- 140
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/145345
- DOI
- 10.7582/GGE.2020.23.3.00131
- ISSN
- 1229-1064
- Abstract
- 머신러닝을 이용한 분류 모델 훈련에서 학습자료의 양과 질은 학습한 모델의 성능을 좌우하므로 학습자료 생성이 매우 중요한 역할을 한다. 그러나 자료 생성에 높은 비용이 들어 이상적인 학습자료 생성이 어려울 때에는 클래스 간 자료 불균형 문제가 발생한다. 만약 학습자료로 사용될 탐사자료가 클래스 간 불균형하게 얻어지면, 클래스 별로 균형있는 학습이 이루어지기 힘들다. 따라서 데이터가 상대적으로 적은 클래스는 재현율이 현저히 떨어지게 된다. 그 뿐만 아니라 정확도와 정밀도 등의 평가지표들에 대한 신뢰도가 떨어지게 된다. 따라서 이 연구에서는 두 단계에 걸쳐 자료 불균형 문제를 해소하고자 하였다. 첫 번째로 기존의 정확도와 정밀도를 개선하여 자료 불균형을 고려할 수 있는 새로운 평가지표로 가중정확도와 가중정밀도를 고안하였다. 다음으로 클래스 간의 가중정밀도와 재현율의 균형을 맞추어 주도록 오버샘플링을 수행하였다. 개발한 알고리듬을 물리검층 자료를 이용한 암상 및 공극유체 규명 문제에 적용함으로써 검증하였다. 그 결과 다수 클래스와 소수 클래스들 간의 불균형이 상당 부분 완화되었고, 클래스 간의 경계를 보다 명확하게 확인할 수 있었다.
- Files in This Item
-
- Appears in
Collections - 서울 공과대학 > 서울 자원환경공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/145345)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.