불균형 클래스 문제를 위한 보다 현실적인 데이터의 생성 (More Realistic Data Generation for the Imbalanced Class Problem)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 9권 / 11호 / 143 ~ 150페이지
· 저자명 : 김은진, 허욱, 김병철, 엄일규, 김영인

초록

불균형 클래스 데이터의 문제를 해결하기 위한 연구에서는 다양한 대량 불균형 데이터를 생성하는 기술을 개발하기 위하여 실제 데이터의 특성을 나타낼 수 있는 인위적인 데이터 생성에 대한 연구가 활발히 진행되고 있다. 지금까지는 클래스간 비율, 데이터 공간 배치, 균등 분포 등을 기반으로 인위적인 데이터를 생성하는 연구가 주로 진행되고 있다. 그러나 분류 성능에 영향을 많이 주며 실제 데이터가 갖고 있는 주요 특성인 클래스간 중첩 데이터와 정규 분포를 고려한 연구는 부족한 실정이다. 본 논문에서는 기존 데이터 특성에 클래스 간의 영역 겹침과 정규 분포 특성을 추가한 인위적인 데이터를 생성하는 기법을 제안하고자 한다. 새로운 생성 데이터의 성능을 측정하기 위하여, 실험에서는 다양한 영역 겹침 정도와 클래스간 불균형 정도를 감안하여 여러 데이터 집합을 생성하여 실험하였다. 실험 결과, 기존의 불균형 인위적인 데이터보다 실제 데이터에 가까운 특징을 가질 수 있음을 확인할 수 있었다.

영어초록

In the study to deal with the problems in imbalanced class data, the advanced techniques for large amount data generation is one of the main issues actively being to research to represent the characteristics of the real data. Until recently, research works based on the ratio among classes, the spatial placement of data and uniform distribution have mainly been conducted. However, there is a lack of research considering the degree of overlapped area among classes and normal distributions that can be affect the classification performance and are important characteristics in the real data. In this paper, we propose a synthetic data generation technique that includes two more characteristics in conventional one. The two characteristics are the overlapped area among classes and a normal distribution. In order to evaluate the performance of the new technique, we created and experimented with different data sets taking into account the diverse degree of overlapped area and the several imbalanced factors between classes. Experimental results show that its performances are more close to the classification performance of real data than the existing one.

참고자료

· 없음