불균형 신용평가 데이터의 분류 향상을 위한 균형 교차검증 (Balanced Cross Validation for Improving the Classification of Imbalanced Credit Scoring Data)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 11권 / 4호 / 169 ~ 175페이지
· 저자명 : 김형도

초록

신용평가와 같은 불균형 데이터집합의 분류 문제에서는 소수 클래스 사례들을 얼마나 잘 분류하느냐 하는 것에 관심이 집중되지만, 일반적인 알고리즘들은 전체적인 오류 비율을 최소화하고자 하기 때문에, 이러한 요구사항을 충분히 만족시키지 못한다. 이를 해결하기 위한 방법으로는 크게 비용을 고려하는 방법과 샘플링을 이용한 방법이 있으며, 주로 후자에 연구가 집중되고 있다. 이러한 방법들은 특정한 분류 알고리즘에 구현되어 활용되고 있으나, 이를 지원하지 않는 다른 알고리즘들에 적용하기 위해서는 프로그램의 수정이 불가피하다. 이러한 수정은 현실적으로 불가능하거나 많은 시간과 노력이 필요하다. 이러한 점을 보완하기 위해서, 이 논문에서는 교차검증의 형태로 균형된 훈련집합을 구성하여 검증할 수 있는 균형 교차검증 방법을 제안하고, 사례 신용평가 데이터집합을 교차검증 방법과 균형 교차검증 방법으로 기존 분류기들에 적용하여 비교 분석한다.

영어초록

In the problem of classifying an imbalanced dataset such as credit scoring, attention is usually focused on how well instances of the minority class are classified. However, general algorithms cannot sufficiently satisfy the requirement because they try to minimize the overall error rates. There are two common kinds of methods to solve the problem. One is to use a cost-sensitive learning technique. The other is to employ a sampling technique. Most research has been focused on the latter. While these methods are implemented in specific classification algorithms, it is inevitable to change the programs of other algorithms which do not support them. This change may be impossible in practice or may require much time and effort. In order to compensate the defect, this paper proposes a method for balanced cross validation that can compose balanced training datasets for validation in the form of cross validation. Furthermore, the two validation methods are compared and analyzed with a credit scoring dataset.

참고자료

· 없음