본문바로가기

자료 카테고리

전체 1
도서자료 1
학위논문 0
연속간행물·학술기사 0
멀티미디어 0
동영상 0
국회자료 0
특화자료 0

도서 앰블럼

전체 (1)
일반도서 (1)
E-BOOK (0)
고서 (0)
세미나자료 (0)
웹자료 (0)
전체 (0)
학위논문 (0)
전체 (0)
국내기사 (0)
국외기사 (0)
학술지·잡지 (0)
신문 (0)
전자저널 (0)
전체 (0)
오디오자료 (0)
전자매체 (0)
마이크로폼자료 (0)
지도/기타자료 (0)
전체 (0)
동영상자료 (0)
전체 (0)
외국법률번역DB (0)
국회회의록 (0)
국회의안정보 (0)
전체 (0)
표·그림DB (0)
지식공유 (0)

도서 앰블럼

전체 1
국내공공정책정보
국외공공정책정보
국회자료
전체 ()
정부기관 ()
지방자치단체 ()
공공기관 ()
싱크탱크 ()
국제기구 ()
전체 ()
정부기관 ()
의회기관 ()
싱크탱크 ()
국제기구 ()
전체 ()
국회의원정책자료 ()
입법기관자료 ()

검색결과

검색결과 (전체 1건)

검색결과제한

열기
자료명/저자사항
기계학습(machine learning) 기반 사회보장 빅데이터 분석 및 예측모형 연구 / 책임연구자: 오미애 ; 공동연구진: 최현수, 김수현, 장준혁, 진재현, 천미경 인기도
발행사항
세종 : 한국보건사회연구원(KiHASA), 2017
청구기호
361.61 -18-21
자료실
[서울관] 서고(열람신청 후 1층 대출대)
형태사항
171 p. : 삽화, 도표 ; 24 cm
총서사항
연구보고서 ; 2017-46
표준번호/부호
ISBN: 9788968274640
제어번호
MONO1201833876
주기사항
참고문헌: p. [165]-171
영어 요약 있음
원문

목차보기더보기

표제지

목차

발간사 3

Abstract 11

요약 13

제1장 서론 19

제1절 연구배경 및 목적 20

제2절 연구내용 및 방법 25

제2장 기계학습(Machine Learning) 개념 및 활용 사례 27

제1절 사회보장 빅데이터 및 기계학습 개념 정의 28

1. 사회보장 빅데이터 개념 28

2. 기계학습 개념 32

3. 기계학습 알고리즘 분류 34

제2절 기계학습 기법 활용 사례 36

1. 기계학습 기법 활용 개관 36

2. 기계학습 기법의 해외 활용 사례 38

3. 기계학습 기법의 국내 활용 사례 55

4. 분야로 살펴본 기계학습 기법의 활용 사례 58

제3절 딥러닝(Deep Learning) 기법 동향 분석 61

1. 딥러닝 기반의 기계학습 기법: DNN(Deep Neural Network) 61

2. 딥러닝 기반의 기계학습 기법: CNN(Convolutional Neural Network) 67

3. 딥러닝 기반의 기계학습 기법: RNN(Recurrent Neural Networks) & LSTM(Long Short Term Memory) networks 72

4. 딥러닝 기반의 기계학습 기법: RL(Reinforcement learning) 76

5. 딥러닝 기반의 기계학습 기법: GAN(Generative Adversarial Network) 83

6. 딥러닝 기반의 기계학습 기법: VAE(Variational Auto-Encoder) 87

제3장 기계학습(Machine Learning) 통계기법 비교 연구 92

제1절 기계학습 통계기법 소개 93

제2절 기계학습 통계기법 장ㆍ단점 비교 분석 112

제4장 기계학습(Machine Learning) 기반 예측모형 평가방법 연구 119

제1절 모형 평가방법 개념 정의 120

제2절 모형 선택 기준 연구 122

제5장 기계학습(Machine Learning) 기반 예측모형 모의분석 128

제1절 복지수급 예측모형 분석 DB 구축 129

1. 복지수급 예측모형 분석 DB 구축 129

2. 복지수급 예측모형 분석 DB의 정책적 함의 132

제2절 기초통계 및 모형분석 결과 136

제3절 기계학습 기반 예측모형 비교 및 평가 145

1. 오분류표 145

2. 정확도, 특이도 및 민감도 147

3. ROC Curve 149

4. AUC 149

5. Lift 150

제4절 소결 152

제6장 결론 및 정책 제언 154

제1절 기계학습 기법 관련 이슈 155

제2절 정책 제언 158

참고문헌 166

판권기 2

〈표 3-1〉 A summary of models and some of their characteristics 115

〈표 3-2〉 Classification: Predicting a Categorical Target Variable 116

〈표 3-3〉 Regression : Predicting a Numeric Target Variable 118

〈표 4-1〉 오분류표 123

〈표 5-1〉 복지수급 예측모형 분석 DB 구성 항목 130

〈표 5-2〉 T-test 결과 136

〈표 5-3〉 10 fold Cross-Validation 140

〈표 5-4〉 Logistic Coeff 140

〈표 5-5〉 Elastic Net Coeff 142

〈표 5-6〉 로지스틱(분류기준: 0.5) 오분류표 145

〈표 5-7〉 Elastic Net(분류기준: 0.5) 오분류표 145

〈표 5-8〉 Tree(분류기준: 0.5) 오분류표 145

〈표 5-9〉 Boosting(분류기준: 0.5) 오분류표 146

〈표 5-10〉 Random Forest(분류기준: 0.5) 오분류표 146

〈표 5-11〉 SVM(분류기준: 0.5) 오분류표 146

〈표 5-12〉 Deep Learning(CNN) (분류기준: 0.5) 오분류표 146

〈표 5-13〉 분류기준 0.5 결과 147

〈표 5-14〉 분류기준 0.6 결과 147

〈표 5-15〉 분류기준 0.7 결과 147

〈표 5-16〉 분류기준 0.8 결과 148

〈표 5-17〉 분류기준 0.9 결과 148

〈표 5-18〉 AUC 결과 149

〈표 5-19〉 등급별 lift의 %Respons 151

〈표 5-20〉 등급별 lift의 %Response 정확도 151

[그림 1-1] 빅데이터를 통한 복지사각지대 발굴 23

[그림 1-2] 위기아동발굴시스템 23

[그림 2-1] 사회보장통계 분야별 세부영역 30

[그림 2-2] 기계학습 관련 분야 33

[그림 2-3] 인공지능, 기계학습, 딥러닝 포함관계 34

[그림 2-4] 기계학습 알고리즘 분류 35

[그림 2-5] 2011년 퀴즈쇼 '제퍼디'에 참가한 IBM의 왓슨 40

[그림 2-6] 구글의 사진 묘사 기술 41

[그림 2-7] 알파고와 이세돌 대국 43

[그림 2-8] 페이스북의 기계학습 적용 사례 45

[그림 2-9] 주요 음성인식 기술들의 오인식률 비교 46

[그림 2-10] 바이두아이의 Stockmaster 47

[그림 2-11] 코타나, DMTK 프레임워크 48

[그림 2-12] 애플 시리 48

[그림 2-13] 아마존 알렉사와 드론 배송 50

[그림 2-14] OpenAI Gym 활용 예제 51

[그림 2-15] 테슬라 자동차의 자율주행시스템(Autopilot) 52

[그림 2-16] 엔비디아 드라이브 PX2 구조 54

[그림 2-17] 통역앱 파파고 56

[그림 2-18] 네이버의 인공지능 스피커: 웨이브 57

[그림 2-19] DNN의 기본구조 62

[그림 2-20] Pre-training의 효과 63

[그림 2-21] Drop-out의 기본 구조에 대한 개념 64

[그림 2-22] Multi-task learning의 기본 구조 65

[그림 2-23] AlexNet의 기본 구조 69

[그림 2-24] 기본적인 구조의 CNN 망 71

[그림 2-25] ResNet의 기본구조 71

[그림 2-26] RNN의 recurrent 성질/ RNN을 시간에 따라 펼친 그림 73

[그림 2-27] RNN에서 반복되는 모듈들의 구조 73

[그림 2-28] LSTM의 기본 구조 74

[그림 2-29] Forget gate의 구조 및 수식 74

[그림 2-30] Input gate 의 구조 및 수식 75

[그림 2-31] Cell 의 구조 및 수식 75

[그림 2-32] Output gate의 구조 및 수식 76

[그림 2-33] 격자 공간 속에 로봇이 있는 상황 78

[그림 2-34] GAN 예시 84

[그림 2-35] GAN 프로세스 86

[그림 2-36] GAN과 VAE 구조도 87

[그림 2-37] VAE 예시1 88

[그림 2-38] VAE 예시2 89

[그림 2-39] VAE 예시3 89

[그림 2-40] VAE와 GAN 출력 비교 사진 91

[그림 3-1] 학습 모델 93

[그림 3-2] 의사결정나무 예시 99

[그림 3-3] Adaboost 알고리즘 도식화 102

[그림 3-4] Adaboost 알고리즘 스텝 103

[그림 3-5] Forward stagewise additive modeling 스텝 104

[그림 3-6] Gradient tree boosting 알고리즘 스텝 105

[그림 3-7] 최종 boosting 모형 구축 과정 106

[그림 3-8] 상대적 영향도 예시 107

[그림 3-9] 랜덤 포레스트 108

[그림 3-10] 랜덤 포레스트의 상대적 중요도 예시 109

[그림 3-11] SVM의 선형 분류 111

[그림 3-12] Decision Tree의 불안정성 예시 113

[그림 4-1] 오분류표 123

[그림 4-2] ROC 124

[그림 4-3] AUC 예시 125

[그림 4-4] 모형평가기준 요약 127

[그림 5-1] 복지수급 예측모형에 의한 오분류표의 정책적 함의 134

[그림 5-2] 모형구축과 모형평가 데이터 139

[그림 5-3] Decision Tree 모형 주요 변수 143

[그림 5-4] Boosting 모형(상대적 영향도) 144

[그림 5-5] ROC Curve 149

[그림 5-6] Lift 산출 과정 150

이용현황보기

이용현황 테이블로 등록번호, 청구기호, 권별정보, 자료실, 이용여부로 구성 되어있습니다.
등록번호 청구기호 권별정보 자료실 이용여부
0002410231 361.61 -18-21 [서울관] 서고(열람신청 후 1층 대출대) 이용가능
0002410232 361.61 -18-21 [서울관] 서고(열람신청 후 1층 대출대) 이용가능

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차
연속간행물 팝업 열기 연속간행물 팝업 열기