기계학습 방법을 활용한 베이지안 모형의 합동 전략 (A pooling strategy for Bayesian hierarchical models utilizing machine learning algorithm)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 35권 / 3호 / 321 ~ 330페이지
· 저자명 : 조애정

초록

계층적 베이지안 합동 모형을 활용한 소지역 추정 방법은 표본의 수가 적어 지역별 추정이 불가능한 소지역에서의 신뢰성 있는 모수 추정값을 제공한다. 계층적 베이지안 합동 모형의 합동 방법은 지역별 모수의 아래첨자를 직·간접적으로 동일시하여 주변의 유사한 지역 정보를 빌려 부족한 표본 정보를 보강하고 신뢰성을 높이는 것으로, 이 때, 비모수적 방법으로 디리슈레 프로세스를 활용하는 직접 합동 방법의 경우 무한의 모수공간에서 모수를 표집 하는 과정에서 군집 인덱싱을 동시에 진행하는 방법임에도 불구하고 모수적 합동 방법보다 성능이 높다는 연구 결과가 나타난 바 있다. 디리슈레 프로세스를 활용한 비모수적 베이지안 합동 모형의 경우 관측값 그 자체가 나타내는 지역별 유사성을 근거로 지역을 합동하는데 지역별 독립적으로 군집 인덱싱이 이루어져 군집 내 동질성과 군집 간 이질성에 대한 최적화를 보장하지 못한다. 본 연구는 비모수 베이지안 합동 모형에 대해 군집 내 중심 거리를 척도로 가지는 목적함수의 최소화를 제약조건을 포함하는 기계학습 방법을 활용한 수정된 베이지안 합동 모형을 제안함으로써 지역별 유사성에 따른 군집 내 이질성을 최소로 줄이는 동시에 지역 간 이질성을 최대로 늘이는 효과를 확인하였고, 모형의 성능 역시 증가함을 확인하였다.

영어초록

The method of small area estimation employing hierarchical Bayesian pooling models provides reliable parameter estimates in small areas where regional estimation is impossible due to the scarcity of samples. The joint approach of hierarchical Bayesian pooling models increases reliability by indirectly and directly identifying regional parameters, borrowing information from surrounding similar regions to supplement the insufficient sample data. Despite the non-parametric method utilizing the Dirichlet process for direct joint modeling, which samples parameters from an infinite parameter space while simultaneously conducting cluster indexing, research has shown its performance to surpass that of parametric joint methods. The non-parametric Bayesian pooling model using the Dirichlet process, which bases the pooling of regions on the inherent similarity exhibited by the observations, does not guarantee optimization of homogeneity within clusters and heterogeneity between clusters due to independent cluster indexing by region. This study proposes a modified Bayesian pooling model that includes minimizing an objective function based on the central distance within clusters as a constraint, thereby minimizing heterogeneity within clusters based on regional similarity while maximizing inter-regional heterogeneity. The performance of the model has also been confirmed to increase.

참고자료

· 없음