koos808 / rbm-with-cd-and-averagecd

분류용 RBM의 학습 알고리즘[기존의 CD 알고리즘과 평균 CD 알고리즘]의 분류성능을 비교

RBM with CD and average CD

• 연구 주제[subject]

  • 분류용 RBM의 학습 알고리즘[기존의 CD 알고리즘과 평균 CD 알고리즘]의 분류성능을 비교

• 사용 데이터[Data]

  • New Thyroid Data and Pima Data
  • 추가 자료 : CTG data
    • 출처 : UCI 기계학습저장소 http://archive.ics.uci.edu/ml

• 분류 성능 평가 [Classification evaluation]

  • 정확도와 AUC[accuracy and AUC]

• 간단한 모델 설명

  • 분류용 RBM 알고리즘을 만들었다.
  • 모멘텀을 고려한 알고리즘을 사용했다.
  • 각 자료를 임의로 3등분하여 2등분은 훈련자료로 1등분은 검정자료로 사용했다.
  • Smote 기법을 사용하여 oversampling을 했다.

결과

• 1.not using smote의 분류 성능이 좋다.

  • New_Thyroid data자체가 좋지 않다. class 2와 3가 너무 적어 smote를 시켰는데도 불구하고 precision이 1.00으로 나오게 된다.
  • class 2와 3을 추가 생성할 필요가 있다. TRAIN,TEST 데이터를 나눌때 using smote와 not using smote를 비교해 보면 using smote가 적합하다.

• 2.CTG DATA는 분류가 잘되는 것을 확인할 수 있다.

  • SMOTE를 사용했을 때 CLASS 1,2,3에 대해 골고루 precision이 좋지만 SMOTE를 사용하지 않으면 AVG precision은 높지만 CLASS 2의 precision이 현저히 낮다. 따라서 SMOTE를 사용하는 것이 좋아보인다.