서포트 벡터 기계를 이용한 이상치 진단 (Outlier Detection Using Support Vector Machines)

서지정보

· 발행기관 : 한국통계학회
· 수록지 정보 : Communications for Statistical Applications and Methods / 18권 / 2호 / 171 ~ 177페이지
· 저자명 : 서한손, 윤민

초록

실생활에서 얻어지는 자료에서 근사함수를 구성하기 위하여 모델링을 하기 전에 측정된 원자료로부터이상치를 제거하는 것이 필요하다. 기존의 이상치 진단의 방법들은 시각화나 최대 잔차들을 이용해왔다.
그러나종종다차원의입력자료를가지는비선형함수에대한이상치진단은좋지않은결과를얻었다. 다차원입력자료를갖는비선형함수에대한전형적인서포트벡터회귀에기초한이상치진단방법들은좋은수행능력을얻어지지만, 계산비용이나모수들의보정등의실질적인문제점들을가지고있다. 본논문에서계산비용을감소하고이상치의문턱을적절히정의하는서포트벡터회귀를이용한이상치진단의실질적인방법을제안한다. 제안한방법을실제자료들에적용하여타당성을보일것이다.

영어초록

In order to construct approximation functions for real data, it is necessary to remove the outliers from the measured raw data before constructing the model. Conventionally, visualization and maximum residual error have been used for outlier detection, but they often fail to detect outliers for nonlinear functions with multidimensional input. Although the standard support vector regression based outlier detection methods for nonlinear function with multidimensional input have achieved good performance, they have practical issues in computational cost and parameter adjustments. In this paper we propose a practical approach to outlier detection using support vector regression that reduces computational time and defines outlier threshold suitably. We apply this approach to real data examples for validity.

참고자료

· 없음