지도학습 기반 암상 분류 시 클래스 간 자료 불균형을 고려한 평가지표 개발
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김도완 | - |
dc.contributor.author | 최준환 | - |
dc.contributor.author | 변중무 | - |
dc.date.accessioned | 2022-07-07T17:34:39Z | - |
dc.date.available | 2022-07-07T17:34:39Z | - |
dc.date.created | 2021-05-11 | - |
dc.date.issued | 2020-08 | - |
dc.identifier.issn | 1229-1064 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/145345 | - |
dc.description.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. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | KOREAN SOC EARTH & EXPLORATION GEOPHYSICISTS | - |
dc.title | 지도학습 기반 암상 분류 시 클래스 간 자료 불균형을 고려한 평가지표 개발 | - |
dc.title.alternative | Development of Evaluation Metrics that Consider Data Imbalance between Classes in Facies Classification | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 변중무 | - |
dc.identifier.doi | 10.7582/GGE.2020.23.3.00131 | - |
dc.identifier.wosid | 000586010200002 | - |
dc.identifier.bibliographicCitation | GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사), v.23, no.3, pp.131 - 140 | - |
dc.relation.isPartOf | GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사) | - |
dc.citation.title | GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사) | - |
dc.citation.volume | 23 | - |
dc.citation.number | 3 | - |
dc.citation.startPage | 131 | - |
dc.citation.endPage | 140 | - |
dc.type.rims | ART | - |
dc.type.docType | Article | - |
dc.identifier.kciid | ART002622811 | - |
dc.description.journalClass | 2 | - |
dc.description.isOpenAccess | Y | - |
dc.description.journalRegisteredClass | kci | - |
dc.relation.journalResearchArea | Geochemistry & Geophysics | - |
dc.relation.journalWebOfScienceCategory | Geochemistry & Geophysics | - |
dc.subject.keywordPlus | SMOTE | - |
dc.subject.keywordAuthor | machine learning | - |
dc.subject.keywordAuthor | imbalance problem | - |
dc.subject.keywordAuthor | evaluation metrics | - |
dc.subject.keywordAuthor | oversampling | - |
dc.subject.keywordAuthor | facies classification | - |
dc.identifier.url | http://koreascience.or.kr/article/JAKO202025863869781.page | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.