• The Journal of Bigdata
• /
• v.6 no.2
• /
• pp.161-168
• /
• 2021

In this study, we propose a cardiovascular disease prediction model using machine learning. First, a multidimensional analysis of various differences between the two groups is performed and the results are visualized. In particular, we propose a predictive model using cost-sensitive learning that can improve the sensitivity for cases where there is a high class imbalance between the normal and patient groups, such as diseases. In this study, a predictive model is developed using CART and XGBoost, which are representative machine learning technologies, and prediction and performance are compared for cardiovascular disease patient data. According to the study results, CART showed higher accuracy and specificity than XGBoost, and the accuracy was about 70% to 74%.

• Journal of Intelligence and Information Systems
• /
• v.25 no.1
• /
• pp.127-137
• /
• 2019

Recidivism prediction has been a subject of constant research by experts since the early 1970s. But it has become more important as committed crimes by recidivist steadily increase. Especially, in the 1990s, after the US and Canada adopted the 'Recidivism Risk Assessment Report' as a decisive criterion during trial and parole screening, research on recidivism prediction became more active. And in the same period, empirical studies on 'Recidivism Factors' were started even at Korea. Even though most recidivism prediction studies have so far focused on factors of recidivism or the accuracy of recidivism prediction, it is important to minimize the prediction misclassification cost, because recidivism prediction has an asymmetric error cost structure. In general, the cost of misrecognizing people who do not cause recidivism to cause recidivism is lower than the cost of incorrectly classifying people who would cause recidivism. Because the former increases only the additional monitoring costs, while the latter increases the amount of social, and economic costs. Therefore, in this paper, we propose an XGBoost(eXtream Gradient Boosting; XGB) based recidivism prediction model considering asymmetric error cost. In the first step of the model, XGB, being recognized as high performance ensemble method in the field of data mining, was applied. And the results of XGB were compared with various prediction models such as LOGIT(logistic regression analysis), DT(decision trees), ANN(artificial neural networks), and SVM(support vector machines). In the next step, the threshold is optimized to minimize the total misclassification cost, which is the weighted average of FNE(False Negative Error) and FPE(False Positive Error). To verify the usefulness of the model, the model was applied to a real recidivism prediction dataset. As a result, it was confirmed that the XGB model not only showed better prediction accuracy than other prediction models but also reduced the cost of misclassification most effectively.

• The KIPS Transactions:PartD
• /
• v.16D no.5
• /
• pp.729-736
• /
• 2009

The accurate estimation of software development cost is important to a successful development in software engineering. Until recent days, the model using regression analysis based on statistical algorithm and machine learning method have been used. However, this paper estimates the software cost using support vector regression, a sort of machine learning technique. Also, it finds the best set of optimized parameters applying genetic algorithm. The proposed GA-SVR model outperform some recent results reported in the literature.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.10a
• /
• pp.85-100
• /
• 2005

현재의 제조의 원가 절감 차원에서 물류비용에 대한 많은 관심을 가지고 있다. 하지만, 그에 대한 물류비용에 대한 정확한 추정에 대해서는 계산이 복잡할뿐더러 제품의 운송거리나제품의 무게 및 수량등 선형적인 값으로 나타내는 방법을 주로 사용하여 비용만을 예측할 뿐이다. 물류비용에 대한 세부적인 산출에 대한 연구보다는 전체적인 비용을 산출하는데 많은 연구가 진행되어 왔었다. 그리고 어느 특정 제품에 대한 물류비용에 대한 추정과 예측하는 연구에 대해서는 부족한 형편이다. 일반 기업에서는 하드웨어에서의 원가비용절감에 한계를 느끼고 물류에서의 비용을 절감을 위해 많은 연구가 이루어진 반면 군에서는 물류비용추정에 관해서는 연구가 많이 이루어지지 않고 있다. 본 논문에서는 군에서의 물류의 흐름에 맞는 물류 네트워크를 제안하고 물류 네트워크상에서의 비용 모델을 제시하여 군에서의 물류비용을 추정하였다. 그리고 이에 대한 분석과 함께 물류네트 워크상에서의 물류비용 절감을 위한 방법을 제시하였다.

• Proceedings of the Military Operations Research Society of Korea Conference
• /
• 2005.10d
• /
• pp.63-80
• /
• 2005

현재의 제조의 원가 절감 차원에서 물류비용에 대한 많은 관심을 가지고 있다. 하지만, 그에 대한 물류비용에 대한 정확한 추정에 대해서는 계산이 복잡할뿐더러 제품의 운송거리나 제품의 무게 및 수량등 선형적인 값으로 나타내는 방법을 주로 사용하여 비용만을 예측할 뿐이다. 물류비용에 대한 세부적인 산출에 대한 연구보다는 전체적인 비용을 산출하는데 많은 연구가 진행되어 왔었다. 그리고 어느 특정 제품에 대한 물류비용에 대한 추정과 예측하는 연구에 대해서는 부족한 형편이다. 일반 기업에서는 하드웨어에서의 원가비용절감에 한계를 느끼고 물류에서의 비용을 절감을 위해 많은 연구가 이루어진 반면 군에서는 물류비용 추정에 관해서는 연구가 많이 이루어지지 않고 있다. 본 논문에서는 군에서의 물류의 흐름에 맞는 물류 네트워크를 제안하고 물류 네트워크상에서의 비용 모델을 제시하여 군에서의 물류비용을 추정하였다. 그리고 이에 대한 분석과 함께 물류네트 워크상에서의 물류비용 절감을 위한 방법을 제시하였다.

• Korean Journal of Construction Engineering and Management
• /
• v.7 no.2 s.30
• /
• pp.138-147
• /
• 2006

The objective of this research is to explore a more precise forecasting method by applying Case-based Reasoning (CBR). The newly suggested method in this study enables project managers to forecast monthly expenditures with less time and effort by retrieving and referring only projects of a similar nature, while filtering out irrelevant cases included in database. For the purpose of accurate forecasting, 1) the choice of the numbers of referring projects and 2) the better selection among three levels ? which include a 20-work package level, a 7-major work package level, and a total sum level analysis, were investigated in detail. It is concluded that selecting similar projects at $12{\sim}19%$ out of the whole database will produce a more precise forecasting. The new forecasting model, which suggests the predicted values based on previous projects, is more than just a forecasting methodology; it provides a bridge that enables current data collection techniques to be used within the context of the accumulated information. This will eventually help all the participants in the construction industry to build up the knowledge derived from invaluable experience.

• Proceedings of the KIEE Conference
• /
• 2006.11a
• /
• pp.174-176
• /
• 2006

지역특성에 따른 각 피더의 정전비용 모델을 제시하였다. 수용가 형태별 정전비용은 한국전기연구원에서 실시한 국내 배전계통의 수용가 정전비용 조사결과를 이용하였다. 특정지역에 위치한 피더의 정전비용 산출을 위하여 주택용, 상업용, 공공용, 산업용의 비율을 고려하여 합성 정전비용 모델을 수립하였다. 제시한 기법은 수도권과 중도도시 지역의 한 피더에 대해 사례연구를 수행하여 결과를 제시하였다.

• Journal of KIBIM
• /
• v.1 no.1
• /
• pp.18-25
• /
• 2011

Construction cost estimation in the early phase provides the opportunity to make reasonable decisions related to the project. For estimating this cost, various methods have been developed. But several problems have been recognized like accuracy, relation beteewn design and cost etc. In this study, we developed the method of cost estimating for building parts. The modified method has defferent ratio of space functions to calculate cost more correctly. Also historical cost data is used in this modified method for architects to estimate cost conveniently. By this modified method, we expects architects should easily design buildings based on cost.

• The Magazine of the Society of Air-Conditioning and Refrigerating Engineers of Korea
• /
• v.30 no.4
• /
• pp.12-19
• /
• 2001

대공간의 건축물의 합리적인 설계를 위해서는 온도 및 기류분포의 정확한 예측이 필요하다. 예측 방법으로 정밀해석 모델(CFD)만을 최선의 방법으로 생각하는 경우가 대부분 이지만, 비용과 시간을 줄이기 위해서는 설계 단계별로 보다 적합한 예측 방법을 적용 할 필요가 있다. 이것은 다양한 예측 모델들의 장·단점 및 실용성에 대한 충분한 이해가 전제될 때 가능할 것이다. 본고에서는 열환경·설비 설계시, 설계 단계에 따른 적합한 예측 모델들을 소개한다. 더불어, 적절하고 타당한 예측 기술이 설계에 반영되어 대공간 건축물의 실내 열환경 개선 및 에너지 절약이 이루어지기를 기대한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.49-51
• /
• 2003

성공적인 소프트웨어 개발을 위해서는 프로젝트 계획 수립단계에서 정확한 예측 모델을 연구하는 것이 중요하다. 소프트웨어 개발의 중요성이 대두됨에 따라 현재에는 많은 기존의 프로젝트 데이터를 보관하게 되었다. 기존의 예측모델에서는 개발환경에 따라 서로 다른 형태의 모델을 만들어 개발비용을 예측하였다. 모델의 형태에 따른 신뢰도 또한 주요 이슈로 작용하였다. 이 논문에서는 이러한 많은 프로젝트 데이터와 현재 개발하고자 하는 프로젝트에 대하여 과거의 데이터 중 가장 유사한 최적의 프로젝트를 찾아내기 위해 FP(Function Point)를 이용하는 많은 프로젝트 데이터에 유전자 알고리즘을 적용하여 최적의 유사 모델을 찾아내는 방법에 대하여 제안하고자 한다.