데이터마이닝(Data Mining)의 패턴분류 기법은 데이타베이스에서 유용한 정보를 탐색하기
위해 훈련데이터를 기계학습한 후 새로운 입력 데이터를 학습된 패턴에 따라 분류하는 것이
다. 최근 패턴분류에 있어서 각광을 받고 있는 SVM (Support Vector Machine : SVM) 패턴분
류기 모델은 경험적 위험 최소화 기법인 ERM (Empirical Risk Minimization : ERM) 모형의
단점을 보완하여 구조적으로 오분류률(misclassification rate)을 최소화 시키는 SRM
(Structual Risk Minimization : SRM) 모델이다.
SVM은 통계학자인 V.N.Vapnik에 의해 제안된 이원분류 모형으로 수학적 이론을 배경으로
오분류률을 최소화 시켜줌으로써 다양한 응용분야의 패턴분류 문제에서 우수한 분류 성능
이 입증되고 있다.
본 논문에서는 ERM 모형인 기존의 신경망 (BPN : Backpropagation Neural Net) 학습모델
과 SRM 모형인 SVM모델들의 패턴분류 성능을 비교하였다. 이를 위해 주식시장 KOSPI 200 지
수의 주별 데이타에 대한 향후 상승/하락의 이원분류 문제에 적용하였으며 기계학습 시간
의 단축과 오분류률의 최소화를 위해 C.F.Lin이 제안한 FSVM (Fuzzy Support Vector
Machine : FSVM) 알고리즘을 KOSPI 200지수에 적용하여 FSVM 패턴 분류기가 BPN 및 SVM 패
턴분류기들에 비해 예측률이 우수함을 보였고 컴퓨터 기계학습 시간을 대폭 단축시킬 수 있
음을 입증하였다.
KOPI200지수에 적용한 FSVM 패턴분류기는 파생상품인 선물시장 및 옵션시장에 대한 의사결
정 지원시스템으로서 포토폴리오 설계시 유용한 모형이 된다.
게시판
공지사항
[2002년 제 4차] Fuzzy이론과 SVM을 이용한 KOSPI 200지수 패턴분류기
작성자 : 관리자
조회수 : 1122
게시일 :
2003-07-12