Generalization Abilities of Ensemble Learning Algorithms : OLA, Bagging, Boosting

앙상블 학습알고리즘의 일반화 성능 비교

  • Shin, Hyun-Jung (Dept. of Industrial Engineering, Seoul National University) ;
  • Jang, Min (Dept. of Industrial Engineering, Seoul National University) ;
  • Cho, Sung-Zoon (Dept. of Industrial Engineering, Seoul National University) ;
  • Lee, Bong-Ki (Dept. of Industrial Engineering, Seoul National University) ;
  • Lim, Yong-Up (Dept. of Industrial Engineering, Seoul National University)
  • 신현정 (서울대학교 산업공학과) ;
  • 장민 (서울대학교 산업공학과) ;
  • 조성준 (서울대학교 산업공학과) ;
  • 이봉기 (서울대학교 산업공학과) ;
  • 임용업 (서울대학교 산업공학과)
  • Published : 2000.04.01

Abstract

최근 제안된 관찰학습(OLA: Observational Learning Algorithm)은 committee를 구성하는 각각의 학습 모델들이 다른 학습 모델들을 관찰함으로써 얻어진 가상데이터를 실제 데이터와 결합시켜 학습에 이용하는 방법이다. 본 논문에서는, UCI 데이터 셋의 분류(classification)와 예측(regression)문제에 대하여 다층 퍼셉트론을 학습 모델로 설정하고, 이에 대하여 OLA와 bagging, boosting의 성능을 비교, 분석하였다.

Keywords