앙상블 학습을 이용한 내부통제 결함기업의 예측

김명종 ( Myoung Jong Kim ) (주)엘지씨엔에스(구 LGCNS 엔트루정보기술연구소) 2012 Entrue Journal of Information Technology Vol.11 No.2

본 연구에서는 내부통제시스템 평가모형에 대한 앙상블 학습의 도입 가능성을 검토하기 위하여 배깅 의사결정트리, 부스팅 의사결정트리, 인공신경망, 의사결정트리를 이용하여 내부통제시스템 평가모형을 개발하고 각 모형의 예측력을 비교하였다. 이를 위하여 2006년부터 2009년까지 국내 유가증권 상장법인과 코스닥시장 등록법인 중 111개의 내부통제 취약 기업과 333개의 정상 기업을 대상으로 내부통제평가 모형을 개발하였다. 개발 모형의 예측정확성 검증 결과에서, 단순평균 정확도는 배깅 의사결정트리(79.8%), 부스팅 의사결정트리(79.6%), 인공신경망(77.9%), 의사결정트리(76.7%) 순으로 나타났으며 T-Test 결과, 1% 수준에서 앙상블 학습이 인공신경망 및 의사결정트리 모형보다 우수한 예측력를 보유하고 있는 것으로 나타났다. 또한 내부통제 평가모형에서 일반적으로 관찰되는 데이터 불균형을 고려한 가중평균 정확도 역시 부스팅 의사결정트리(64.1%), 배깅 의사결정트리(60.6%), 인공신경망(57.5%), 의사결정트리(57.2%) 순으로 나타났으며, 앙상블 학습과 인공신경망 및 의사결정트리의 예측력이 1% 수준에서 유의적인 차이가 존재하는 것으로 분석되었다. 본 연구는 내부통제평가 모형에 앙상블 학습을 도입하였고, 도입 결과 앙상블 학습을 이용하여 우수한 예측력을 보유한 효과적인 내부통제평가 모형의 구축 가능성을 제시하였다. This study is to develop internal control assessment models by applying Bagging algorithms, Boosting algorithms, neural networks, and decision tree, and to compare the prediction accuracy of those models. Empirical results with ICW prediction on Korea firms indicate that the prediction accuracy of Bagging algorithms, Boosting algorithms, neural networks, and deci-sion tree is 79.8%, 79.6%, 77.9%, and 76.7%, respectively. The results of T-Test show that the prediction accuracies of two ensemble models are significantly better than neural networks and decision tree at 1% level. In comparison using geometric prediction accuracy, two ensemble techniques show higher prediction accuracy than neural networks and decision tree at 1% level. This study demonstrates that ensemble techniques can be applied to the implementation of effective internal control as-sessment models with high accuracy.

특징공간을 사선 분할하는 퍼지 결정트리 유도

이우향,이건명,Lee, Woo-Hang,Lee, Keon-Myung 한국정보과학회 2002 정보과학회논문지 : 소프트웨어 및 응용 Vol.29 No.3

결정트리 생성은 특징값들로 기술된 사례들로부터 분류 규칙을 추출하는 유용한 기계학습 방법중 하나이다. 결정트리는 특징공간을 분할하는 형태에 따라 단변수(univariate) 결정트리와 다변수(multivariate) 결정트리로 대별된다. 실제 현장에서 얻어지는 데이터는 관측오류, 불확실성, 주관적인 판단 등의 이유로 특징값 자체에 오류를 포함하는 경우가 많다. 이러한 오류에 대해 강건한 결정트리를 생성하기 위한 방법으로 퍼지 기법을 도입한 결정트리 생성 방법에 대한 연구가 진행되어 왔다. 현재까지 대부분의 퍼지 결정트리에 대한 연구는 단변수 결정트리에 퍼지 기법을 도입한 것들이며, 다변수 결정트리에 퍼지 기법을 적용한 것은 찾아보기 힘들다. 이 논문에서는 다변수 결정트리에 퍼지 기법을 적용하여 퍼지사선형 결정트리라고 하는 퍼지 결정트리를 생성하는 방법을 제안한다. 또한 제안한 결정트리 생성 방법의 특성을 보이기 위한 실험 결과를 보인다. Decision tree induction is a kind of useful machine learning approach for extracting classification rules from a set of feature-based examples. According to the partitioning style of the feature space, decision trees are categorized into univariate decision trees and multivariate decision trees. Due to observation error, uncertainty, subjective judgment, and so on, real-world data are prone to contain some errors in their feature values. For the purpose of making decision trees robust against such errors, there have been various trials to incorporate fuzzy techniques into decision tree construction. Several researches hove been done on incorporating fuzzy techniques into univariate decision trees. However, for multivariate decision trees, few research has been done in the line of such study. This paper proposes a fuzzy decision tree induction method that builds fuzzy multivariate decision trees named fuzzy oblique decision trees, To show the effectiveness of the proposed method, it also presents some experimental results.

대학 컴퓨터 실습 교양과목에서의 학업성취 요인에 대한 연구

김완섭 한국정보교육학회 2013 정보교육학회논문지 Vol.17 No.4

본 연구는 실습 중심의 컴퓨터 교양과목에서의 학생들의 학업성취에 영향을 미치는 요인을 발견하기 위한 것이 다. 교과목 운영을 통한 교육성과 즉 학생들의 학업성취도를 향상시키기 위해서는 학업성취도에 영향을 미치는 요 인들을 분석하고 그 결과를 교육에 반영하여 개선하는 순환 과정이 필요하다. 특히 컴퓨터 실습을 중심으로 하는 실용 교과목은 이론 중심의 과목들과 특성이 다르므로 그 요인에 대한 연구가 요구된다. 본 연구에서는 요인을 발 견하기 위한 분석으로 로지스틱 회귀분석과 데이터마이닝 분야의 결정트리 분석을 수행하였다. 실험을 위한 데이 터로는 서울소재 S대학의 교양필수과목에서 시행된 MOS 자격증 시험결과를 사용하였다. 로지스틱 회귀분석을 통 해서는 담당교수, 수강인원, 수업시간, 그룹(강의기간) 순으로 중요성을 파악할 수 있었다. 데이터마이닝의 의사결 정트리 분석을 통해서는 그 외에 학번, 재수강 여부, 강의실 환경의 추가 요인을 발견할 수 있었고, 특히 다양한 요 인들이 학업성취에 복합적으로 영향을 미치는 것을 트리 모형을 통해 파악할 수 있었다. 분석 결과의 트리모형을 결과로 제시하였으며, 수식을 제안하여 여러 개의 트리 모형으로부터 요인의 중요도를 수치화하여 제시하였다. The purpose of this study is to find out the factors of the students' achievement on the computer training courses which are based on computer practice. In order to improve the academic achievement of the students, it is necessary to analyze the factors affecting academic achievement and apply the results of the analysis to education. In particular, it is necessary to study for finding out factors of the academic achievement in practical computer training courses, because these courses are different from other courses focusing on the theory. In this study, in order to find out the factors, the logistic regression analysis and the decision tree analysis which is the field of data mining were peformed. For the experimental data, the test results of the MOS certification of the S university in seoul were used. Through logistic regression analysis it is found that the factors of the professors, class size, lecture time, group(lecture period) are important in order. Through decision tree analysis of data mining, it is found that there are some additional factors ; entrance year, whether the course is retaken, and the classroom environment. and these various factors effect the academic achievement compositively as identified through the model tree. The tree model was presented as a result of the analysis, and the importance of the factors is expressed numerically from multiple tree models by using the proposed mathematical formula.

의사결정트리를 이용한 날씨에 따른 화재발생 확률 예측모델

김영진(Young Jin Kim),류정우(Joung Woo Ryu),송원문(Won Moon Song),김명원(Myung Won Kim) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.11

국내의 경우 년 평균 4만 6천 건에 달하는 화재가 발생하여 막대한 재산과 인명 피해를 낳고 있다. 본 논문에서는 이와 같은 재앙적 화재를 예방하기 위하여 의사결정트리를 사용하여 날씨 조건이 주어졌을 때 화재발생 확률을 예측하는 모델에 대하여 기술한다. 본 논문에서는 특히 우수한 정확도와 화재의 요인 그리고 패턴 분석을 지원하는 의사결정트리에 관심이 있다. 의사결정트리는 주로 데이터로부터 클래스를 분류하는 데 많이 사용하는 모델이지만 본 논문에서는 화재발생 확률을 예측하는 데 사용한다. 본 논문에서는 의사결정트리 외에 베이지안 네트워크와 로지스틱 회귀분석 모델에 대하여도 성능을 비교 분석한다. 모델에 대한 성능 평가에는 Brier 점수를 사용하였으며 실험결과 의사결정트리가 로지스틱 회귀분석 방법에 비하여 확률예측의 성능이 약간 떨어지지만 모델의 정확도와 이해성의 관점을 같이 고려할 경우 다른 방법에 비하여 우수한 것으로 판단된다. In the country, an average of 46,000 fires occur every year and they cause massive loss of properties and human lives. In this paper, we investigate a model that predicts the probability of fire based on weather information in order to prevent such disastrous fires. We are particularly interested in decision tree as a model of not only good accuracy but also comprehensibility that supports analysis of fire factors and patterns. A decision tree is mainly used for classification but in this paper we use the model to predict the probability of fire. We also investigate Bayesian network and logistic regression models to compare with decision tree for prediction of fire probability. We use Brier score in performance evaluation of those models. From the experiment results we conclude that a decision tree performs better compared with other methods taking both of accuracy and comprehensibility into account.

공간 데이터의 분포를 고려한 공간 엔트로피 기반의 의사결정 트리 기법

장윤경,유병섭,이동욱,조숙경,배해영,Jang, Youn-Kyung,You, Byeong-Seob,Lee, Dong-Wook,Cho, Sook-Kyung,Bae, Hae-Young 한국정보처리학회 2006 정보처리학회논문지B Vol.13 No.7

의사결정 트리는 데이터 마이닝의 분류와 예측 작업에 주로 사용되는 기법 중의 하나이다. 실생활에서 공간의사결정을 위한 분류를 수행할 때에는 인접 데이터의 위치와 분산도를 고려하는 것이 매우 중요하다. 기존의 공간 의사결정 트리는 데이터의 공간적 특성을 표현하기 위해 각 객체간의 유클리디안 거리비율을 엔트로피로 반영하여 트리 구축 시 이용하였다. 그러나 이것은 공간 객체간의 거리 비율만을 설명할 뿐 공간 차원에서의 데이터 분산 정도와 각 분류된 클래스간의 연관관계 등은 파악할 수 없다는 한계점이 있었다 본 논문에서는 분산도와 차별도 기반의 공간 엔트로피를 이용하여 공간 데이터의 분포도를 반영하는 공간 의사결정 트리를 제안한다 분산도는 분류된 클래스 내의 공간 객체 분포도를 나타내고 차별도는 다른 클래스 내 공간 객체와의 분포도 및 관계성을 나타낸다. 이러한 분산도와 차별도의 비율을 엔트로피 계산 시 이용함으로써 비공간적 속성으로 분류된 각 클래스가 공간적으로는 얼마나 뚜렷하게 분류되는지 알 수 있게 한다. 제안 기법은 정확성과 계산 비용에 있어서 기존 기법보다 각각 약 18%, 11%의 성능 향상을 보였다. Decision trees are mainly used for the classification and prediction in data mining. The distribution of spatial data and relationships with their neighborhoods are very important when conducting classification for spatial data mining in the real world. Spatial decision trees in previous works have been designed for reflecting spatial data characteristic by rating Euclidean distance. But it only explains the distance of objects in spatial dimension so that it is hard to represent the distribution of spatial data and their relationships. This paper proposes a decision tree based on spatial entropy that represents the distribution of spatial data with the dispersion and dissimilarity. The dispersion presents the distribution of spatial objects within the belonged class. And dissimilarity indicates the distribution and its relationship with other classes. The rate of dispersion by dissimilarity presents that how related spatial distribution and classified data with non-spatial attributes we. Our experiment evaluates accuracy and building time of a decision tree as compared to previous methods. We achieve an improvement in performance by about 18%, 11%, respectively.

의사결정 트리 기법을 이용한 그리드 자원선택 시스템

노창현(Chang Hyeon Noh),조규철(Kyu Cheol Cho),마용범(Yong Beom Ma),이종식(Jong Sik Lee) 한국컴퓨터정보학회 2008 韓國컴퓨터情報學會論文誌 Vol.13 No.1

이 기종의 네트워크와 시스템 자원으로 구성된 그리드 컴퓨팅 환경에서 대용량 데이터를 빠르고 정확하게 처리하기 위해서는 효과적인 그리드 자원선택이 필수적이다. 이를 위해 본 논문은 의사결정 트리 기법을 이용한 그리드 자원선택 시스템을 제안한다. 이 시스템은 자원 정보를 기록한 데이터 셋을 바탕으로 사용자들이 선택하는 자원들을 처리 할 데이터의 특성과 사용자의 요구사항으로 분석해서 자원선택을 위한 의사결정 트리를 구축한다. 그리드 사용자의 자원 요청 시 의사결정 트리를 탐색하여 사용자 요구 및 작업 특성에 적합한 자원들을 선택하여 작업을 할당함으로써 사용자 만족도를 향상시킴은 물론 전체 그리드 시스템의 성능을 개선한다. 실험결과는 본 논문에서 제안한 의사결정 트리 기반의 그리드 자원선택 시스템이 기존 그리드 자원선택 시스템인 Condor-G 및 Nimrod-G 와 비교하여 더 높은 작업 처리율 및 자원 이용률과 더 적은 작업 손실 및 처리시간을 제공함으로써 그리드 자원선택 및 데이터 분산 처리에 효과적이라는 사실을 증명한다. In order to high-performance data processing, effective resource selection is needed since grid resources are composed of heterogeneous networks and OS systems in the grid environment. In this paper, we classify grid resources with data properties and user requirements for resource selection using a decision tree method. Our resource selection method can provide suitable resource selection methodology using classification with a decision tree to grid users. This paper evaluates our grid system performance with throughput, utilization, job loss, and average of turn-around time and shows experiment results of our resource selection model in comparison with those of existing resource selection models such as Condor-G and Nimrod-G. These experiment results showed that our resource selection model provides a vision of efficient grid resource selection methodology.

부대 전투 모의를 위한 의사결정트리 기반 재보급 행위 모델링

안세일,한상우 한국시뮬레이션학회 2023 한국시뮬레이션학회 논문지 Vol.32 No.3

최근 러시아·우크라이나 전쟁에서 볼 수 있듯이 군수지원은 현대전에서 빼놓을 수 없는 중요한 요소 중의 하나이다. 군수지원은 모의 논리의 특수성과 복잡성으로 인해 대부대 분석 모델과 전문적인 기능 모델 중심으로 발전되어 왔지만, 교전급 분석 모델에서는 군수지원에 대한 요구가 상대적으로 높지 않았다. 그러나 대대급 이하 제대에서도 무인 수송자산을 이용한 재보급 필요성이 제기되면서, 이의 전투 효과를 분석하기 위한 모의 기법도 함께 요구되고 있다. 이에 본 연구에서는 대대급 이하 제대의 탄약 재보급 논리를 기반으로 교전급 분석 모델을 위한 재보급 과업 모델을 설계한다. 재보급 과업 모델은 다음과 같은 순서로 도출되는 의사결정트리를 기반으로 동작한다. 먼저, 사전 반복 모의실험을 통해 여러 가지 쌍방 교전 조건과 아군의 탄 잔여량에 따른 피아 손실교환비를 수집한다. 이어서, 쌍방 교전 조건, 탄 잔여량, 손실교환비로 표현되는 의사결정트리를 만든다. 의사결정트리는 전투모의 실행 간에 적의 위협 강도, 피지원 부대의 탄 잔여량 등을 고려하여 재보급 우선순위를 결정하는 데 사용된다. 끝으로 제안된 모델의 실행 가능성을 OneSAF 기반 소부대 전투 모의실험을 통해 입증한다. The recent conflict between Russia and Ukraine underscores the significant of military logistics support in modern warfare. Military logistics support is intricate and specialized, and traditionally centered on the mission- level operational analysis and functional models. Nevertheless, there is currently increasing demand for military logistics support even at the engagement level, especially for resupply using unmanned transport assets. In response to the demand, this study proposes a task model of the military logistics support for engagement-level analysis that relies on the logic of ammunition resupply below the battalion level. The model employs a decisions tree to establish the priority of resupply based on variables such as the enemy’s level of threat and the remaining ammunition of the supported unit. The model’s feasibility is demonstrated through a combat simulation using OneSAF.

스마트 공장에서 의사결정 모델을 이용한 순차 마이닝 기반 제조공정

김주창,정호일,유현,정경용 한국융합학회 2018 한국융합학회논문지 Vol.9 No.3

본 논문에서는 스마트 공장에서 의사결정 모델을 이용한 순차 마이닝 기반 제조공정을 제안한다. 제안하는 모델은 소규모의 제조공정에서 순차 마이닝 의사결정 모델을 적용하여 제조 효율을 높이는 방법이다. 제조 단계 중 제품 제조 과정에서 나타나는 데이터를 입력 변수들로 구성하고, 시간당 제조량과 불량률을 출력 변수로 구성한다. t-검정을 통해 유의 수준이 높은 변수만을 사용하여 GSP 알고리즘과 REPTree 알고리즘을 이용한 규칙과 모델을 생성한다. 의미있는 순차 규칙과 의사결정 모델은 정확도, 민감도, 특이성, 예측도를 통해 유의미함을 확인한다. 결과적으로, 실제 제조에 적용한 결과 불량률은 0.38%가 개선되었고, 시간당 제조량은 평균 1.89/h 증가되었다. 이는 소규모 제조 공정에서 데이터 마이닝 분석을 통한 제조 효율을 높이기 위한 의미있는 결과를 나타낸다. In this paper, we propose a sequence mining based manufacturing process using a decision model in cognitive factory. The proposed model is a method to increase the production efficiency by applying the sequence mining decision model in a small scale production process. The data appearing in the production process is composed of the input variables. And the output variable is composed the production rate and the defect rate per hour. We use the GSP algorithm and the REPTree algorithm to generate rules and models using the variables with high significance level through t-test. As a result, the defect rate are improved by 0.38% and the average hourly production rate was increased by 1.89. This has a meaning results for improving the production efficiency through data mining analysis in the small scale production of the cognitive factory.

의사결정트리를 이용한 북한 지역의 환경생태적 우수 지역 평가

김근한(Kim, Geun Han),류정우(Ryu, Joung Woo),윤다영(Yoon, Da Young),강병진(Kang, Byung Jin),김진형(Kim Jin Hyeong) 대한공간정보학회 2018 대한공간정보학회지 Vol.26 No.3

통일 이후 국토의 보전과 이용을 고려하는 계획의 수립을 위해서는 객관적이고 과학적인 국토 환경성평가 결과가 필요하다. 하지만 북한 지역에 구축되어 있는 환경공간정보가 제한적이기 때문에 기존 환경성평가 기법을 적용한 환경성평가 결과의 도출은 어렵다. 본 연구는 남한 지역의 식생지수들과 토지피복지도, 지형 자료에 의사결정트리기법을 적용하여 환경생태적 우수 지역을 분류하는 모델을 구축하고 이를 북한 지역에 적용함으로써 북한 지역의 환경생태적 우수 지역을 평가하였다. 모델의 검증을 위한 ROC 분석 결과 AUC가 0.85621로 높게 나타나 제안한 모델의 실용적 사용이 가능함을 확인하였다. 또한 본 연구의 모델을 적용하여 도출한 남한지역의 환경생태적 우수지역과 국토환경성평가지도의 환경생태적 평가 1등급 지역을 중첩 분석한 결과 80.04%의 높은 일치율을 확인하였다. 본 연구가 제안한 방법으로 구축한 북한 지역의 환경생태적 우수 지역은 향후 통일 이후 환경의 보전과 국토의 이용과 관련된 계획 수립에 크게 기여할 수 있을 것이라 판단된다. In order to establish a plan considering the conservation and utilization of the land after the reunification, objective and scientific evaluation of the environmental quality of the land is necessary. However, it is difficult to derive the results of the environmental assessment using the existing environmental assessment method because the environmental spatial information constructed in North Korea is limited. This study was conducted to build a model to classify environmental and ecological hot spots by applying decision tree method to vegetation indices, land cover maps and topographic data in South Korea, and to evaluate North Korea region by applying the model to the data in North Korea. As a result of the ROC analysis for the verification of the model, the AUC was as high as 0.85621, confirming the practical use of the proposed model. In addition, the result of overlay analysis between the environmental and ecological hot spots derived from the proposed model and the first grade area of the Environmental Conservation Value Assessment Map in South Korea showed a high agreement rate of 80.04%. The environmental and ecological hot spots in North Korea constructed by the proposed method can contribute to the planning of environmental preservation and utilization of land after unification.

주식 투자자의 의사결정 지원을 위한 데이터마이닝 도구

김성동(Sung-Dong Kim) 한국콘텐츠학회 2012 한국콘텐츠학회논문지 Vol.12 No.2

주식시장에는 많은 투자자들이 참여하고 있으며 점점 더 많은 사람이 주식투자에 관심을 가지고 있다. 주식시장에서 위험을 회피하고 수익을 얻기 위해서는 다양한 정보를 바탕으로 정확한 의사결정을 해야한다. 즉 수익을 얻을 수 있는 종목 선택, 적절한 매수-매도 가격의 결정, 그리고 적절한 보유기간 등을 결정해야 한다. 본 논문에서는 개인 주식 투자자의 의사결정 지원을 위한 데이터마이닝 도구를 제안한다. 즉, 개인 투자자가 직접 기계학습 방법을 적용하여 주가예측 모델을 생성할 수 있게 하고, 적절한 매수-매도가격과 보유기간 등을 결정하는 것을 도와주는 도구를 제안한다. 제안하는 도구는 과거 데이터를 이용하여 투자자 자신의 성향에 맞는 투자에서의 의사결정을 할 수 있도록 지원하는 도구로서 주가데이터 관리, 기계학습 적용을 통한 주가예측 모델 생성, 투자 시뮬레이션 등의 기능을 제공한다. 사용자는 스스로 주가에 영향을 미칠 수 있다고 판단하는 기술적 지표를 선정하고 이를 이용하여 주가예측 모델을 만들고 테스트 할 수 있으며, 적절한 예측모델을 적용하여 시뮬레이션을 수행해 봄으로써 실제로 어느 정도 수익을 얻을 수 있는지 평가하고 적절한 매매 정책을 수립할 수 있다. 제안하는 도구를 이용하여 주식 투자자는 기존의 감정적 판단에 의한 투자가 아닌 객관적 데이터에 의해 검증을 거친 주가예측 모델과 매매정책에 따라 주식투자를 할 수 있어 이전 보다 나은 수익을 기대할 수 있다. There are many investors in the stock market, and more and more people get interested in the stock investment. In order to avoid risks and make profit in the stock investment, we have to determine several aspects using various information. That is, we have to select profitable stocks and determine appropriate buying/selling prices and holding period. This paper proposes a data mining tool for the investors’ decision support. The data mining tool makes stock investors apply machine learning techniques and generate stock price prediction model. Also it helps determine buying/selling prices and holding period. It supports individual investor’s own decision making using past data. Using the proposed tool, users can manage stock data, generate their own stock price prediction models, and establish trading policy via investment simulation. Users can select technical indicators which they think affect future stock price. Then they can generate stock price prediction models using the indicators and test the models. They also perform investment simulation using proper models to find appropriate trading policy consisting of buying/selling prices and holding period. Using the proposed data mining tool, stock investors can expect more profit with the help of stock price prediction model and trading policy validated on past data, instead of with an emotional decision.