核心概念
퍼지 거친 집합 이론에 기반한 측도를 활용하여 Choquet 적분을 통해 비선형 관계를 포착하는 새로운 거리 측도를 제안한다. 이를 통해 거리 기반 분류 접근법의 성능을 향상시킬 수 있다.
要約
이 논문은 퍼지 거친 집합 이론과 Choquet 적분을 활용하여 새로운 거리 측도를 제안한다.
-
퍼지 거친 집합 이론에서 정의된 두 가지 측도인 γ와 δ를 소개한다. 이 측도들은 조건 속성 부분집합이 의사결정 속성을 예측하는 능력을 나타낸다.
-
이 측도들이 단조성을 만족하도록 단조화하는 방법을 제시한다. 이를 통해 Choquet 적분을 사용할 수 있게 된다.
-
제안된 Choquet p-거리를 정의하고, 이를 분류 문제에 적용하는 방법을 설명한다. 이 거리 측도는 동일 클래스의 인스턴스를 가까이 모으고 다른 클래스의 인스턴스를 멀리 떨어뜨리는 특성을 가진다.
-
실험을 통한 검증이 필요하지만, 제안된 접근법은 기존 거리 측도보다 분류 성능을 향상시킬 수 있을 것으로 기대된다.
統計
의사결정 속성과 조건 속성 간의 의존도를 나타내는 γ 측도와 δ 측도는 단조성을 만족하도록 단조화할 수 있다.
단조화된 γ 측도와 δ 측도를 활용하여 Choquet p-거리를 정의할 수 있다.
Choquet p-거리는 동일 클래스의 인스턴스를 가까이 모으고 다른 클래스의 인스턴스를 멀리 떨어뜨리는 특성을 가진다.
引用
"In the context of supervised learning problems, it allows us to consider the interplay between the conditional attributes towards the decision attribute, providing an intuitive approach for improving supervised learning outcomes."
"Fuzzy rough set theory, a combination of fuzzy set theory and rough set theory, provides a practical and effective formal framework for describing and leveraging data dependencies."
"The Choquet integral, which is a generalization of the Lebesgue integral to non-additive measures and is commonly used in decision-making, is known for capturing non-linear relationships."