표제지
국문초록
목차
I. 서론 9
1.1. 연구목적 9
1.2. 연구범위 및 방법 10
II. 머신러닝과 분류기에 대한 이론적 배경 11
2.1. 머신러닝의 종류 11
2.2. k-NN 분류기 12
2.3. SVM 분류기 15
III. 머신러닝 분류기 구현 20
3.1. 실험표본 데이터 20
3.2. k-NN 분류기 구현 22
3.3. SVM 분류기 구현 26
IV. 실험결과 및 성능평가 29
4.1. k-NN 분류기 실험 33
4.2. SVM 분류기 실험 36
4.3. 비교 및 평가 39
V. 결론 41
참고문헌 43
〈표 1〉 비교실험 단계 10
〈표 2〉 머신러닝 알고리즘 종류 11
〈표 3〉 k-NN 분류기의 장단점 14
〈표 4〉 k-NN 분류기 수행단계 14
〈표 5〉 서포트벡터머신 분류기 장단점 16
〈표 6〉 두 분류기의 분류데이터 조건 20
〈표 7〉 표본데이터 내용 21
〈표 8〉 k-NN 알고리즘 입력 인자값 25
〈표 9〉 서포트벡터머신 분류기 입력값 27
〈표 10〉 실험평가 내용 29
〈표 11〉 실험용 PC사양 39
〈표 12〉 분류시간 비교 40
〈표 13〉 분류 정확도 비교 40
〈그림 1〉 k값에 따른 근접 데이터 변화 13
〈그림 2〉 복잡도와 일반오차와의 관계 17
〈그림 3〉 결정경계와 초평면 18
〈그림 4〉 선형분리 불가능한 데이터집합 예 19
〈그림 5〉 3세 5세 데이터 산포도 21
〈그림 6〉 신체정보 데이터 일부 22
〈그림 7〉 데이터 행렬변환함수 23
〈그림 8〉 데이터 정규화 변화 소스 24
〈그림 9〉 k-NN 분류기 알고리즘 25
〈그림 10〉 데이터 행렬변환함수 26
〈그림 11〉 SVM 분류기 함수 일부 28
〈그림 12〉 분류소요시간 계산 함수 29
〈그림 13〉 한 개 데이터에 대한 500개 늘린 예제 30
〈그림 14〉 데이터 양 늘리는 기능 함수 30
〈그림 15〉 표본 100개의 산포도 31
〈그림 16〉 표본 500개의 산포도 31
〈그림 17〉 표본 1,000개의 산포도 32
〈그림 18〉 표본 10,000개의 산포도 32
〈그림 19〉 k-NN 분류실험 실행소스 33
〈그림 20〉 k-NN으로 100개중 20개 분류결과 34
〈그림 21〉 k-NN으로 500개중 100개 분류결과 34
〈그림 22〉 k-NN으로 1,000개중 200개 분류결과 35
〈그림 23〉 k-NN으로 10,000개중 2,000개 분류결과 35
〈그림 24〉 SVM 분류실험 실행소스 37
〈그림 25〉 SVM으로 100개중 20개 분류결과 37
〈그림 26〉 SVM으로 500개중 100개 분류결과 38
〈그림 27〉 SVM으로 1,000개중 200개 분류결과 38
〈그림 28〉 SVM으로 10,000개중 2000개 분류결과 39