지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2019.3
- 수록면
- 247 - 259 (13page)
- DOI
- 10.7465/jkdi.2019.30.2.247
이용수
초록· 키워드
오류제보하기
주성분회귀분석(PCA regression)은 과학 및 공학 분야의 응용 프로그램에서 데이터 분석 및 차원 축소를 위한 도구로 사용되었다. 주성분 회귀의 해석과 사용에 대한 많은 논란이 있긴하지만, 회귀모형에서 설명 변수 중 다중공선성 문제가 존재할 때 여전히 유용한 도구이다. 이 연구에서 일반적인 수축사전분포의 사용을 기반으로 한 PCA 회귀에 대한 베이지안 추론을 소개한다. 종속변수와의 선형관계를 고려한 베이지안 정보 기준에 근거하여 주요 주성분의 갯수를 선택하는 방법에 대해서도 논의한다. 실제 자료들에 적용한 예제에서 설명변수의 개수가 관측갯수 보다 많은 자료의 경우 예측의 관점에서 최종모형을 선택하였고, 변수선택에 사용되었던 자료의 경우 이전의 연구결과를 포함한 변수들을 선택하는 결과를 확인할 수 있었다.
목차
요약
1. 서론
2. 주성분 회귀모형
3. 베이지안 추정법
4. 자료분석
5. 결론
References
Abstract
참고문헌 (21)
참고문헌 신청
Bair, E. / 2006 / Prediction by suprevised principal components / Journal of the American Statistical Association 101:119~137
Brown, P. J. / 1999 / The choice of variables in multivariate regression: a non-conjugate Bayesian decision theory approach / Biometrika 86:635~648
Hotelling, H. / 1933 / Analysis of a complex of statistical variables into principal components / Journal of Educational Psychology 24:417~441
Hotelling, H. / 1957 / The relations of the newer multivariate statistical methods to factor analysis / British Journal of Statistical Psycholgy 10:69~79
Jeffers, J. N. R. / 1967 / Two case studies in the application of principal component analysis / Applied Statistics 16:225~236
Brown, P. J. / 1999 / The choice of variables in multivariate regression: a non-conjugate Bayesian decision theory approach / Biometrika 86:635~648
Hotelling, H. / 1933 / Analysis of a complex of statistical variables into principal components / Journal of Educational Psychology 24:417~441
Hotelling, H. / 1957 / The relations of the newer multivariate statistical methods to factor analysis / British Journal of Statistical Psycholgy 10:69~79
Jeffers, J. N. R. / 1967 / Two case studies in the application of principal component analysis / Applied Statistics 16:225~236
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
주성분 회귀에서 원변수의 신뢰구간 구축에 관한 연구
Journal of The Korean Data Analysis Society
2020 .01
-
내재된 인자를 활용한 분위수 회귀모형의 베이지안 분석
한국데이터정보과학회지
2022 .09
-
변동계수행렬을 이용한 주성분분석
응용통계연구
2015 .06
-
공간자료 주성분분석
응용통계연구
2017 .06
-
주파수공간에서의 주성분분석: 리뷰와 기상자료에의 적용
응용통계연구
2017 .06
-
Principal Component Regression by Principal Component Selection
CSAM(Communications for Statistical Applications and Methods)
2015 .03
-
Bayesian inference of the cumulative logistic principal component regression models
CSAM(Communications for Statistical Applications and Methods)
2022 .03
-
계층적 벌점함수를 이용한 주성분분석
응용통계연구
2017 .02
-
강수량의 계절 예측을 위한 베이지안 앙상블 MOS방법의 비교연구
한국데이터정보과학회지
2019 .03
-
Prediction of essential genes in prokaryote based on artificial neural network
Genes & Genomics
2020 .01
-
희소주성분분석을 이용한 텍스트데이터의 단어선택
응용통계연구
2023 .12
-
다변량 분위수 회귀나무 모형에 대한 연구
한국데이터정보과학회지
2017 .05
-
강건 주성분분석에 대한 요약
응용통계연구
2022 .04
-
다중회귀에서 회귀계수 추정량의 특성
응용통계연구
2021 .08
-
고차원 선형 및 로지스틱 호귀모형에 대한 변분 베이즈 방법 소개
응용통계연구
2022 .06
-
베이즈 정보 기준을 활용한 분할-정복 벌점화 분위수 회귀
응용통계연구
2022 .04
-
이산형 자료 예측을 위한 베이지안 네트워크 분류분석기의 성능 비교
응용통계연구
2020 .06
-
제약조건이 있는 베이지안 비모수 회귀모형을 활용한 방사선 반응자료 분석
한국데이터정보과학회지
2021 .11
-
고차원 빅데이터 분석을 위한 통계모형 개발
한국데이터정보과학회지
2020 .11
-
앙상블 비모수적 변수 선택 방법
Journal of The Korean Data Analysis Society
2023 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
베이지안 신경망 기반 불확실성 정량화 및 분석
김재민
,
박철수
대한건축학회 학술발표대회 논문집
2020
.04
비즈니스 데이터 분석을 위한 베이지안 계층 군집분석
류성균
,
황범석
한국데이터정보과학회지
2020
.01
체육 및 스포츠 분야에서의 베이지안 통계 분석 방법의 실용적 접근: JASP 프로그램의 활용
김헌태
,
강민수
한국체육측정평가학회지
2019
.12
경상수지 흑자 원인과 우리나라의 경기변동: 베이지안 동태확률모형을 중심으로
이준희
한국경제연구
2019
.03
베이지안 회귀모델을 활용한 5G 사물인터넷 수요 예측
박경진
,
김태한
Journal of Information Technology Applications & Management
2019
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-041-000582756