지역 위원회의 구축과 결합

본 논문에서는 주어진 데이터들을 학습하기 위하여 지역 위원회 시스템을 구축하고 이를 효과적으로 결합하기 위한 알고리듬을 기술한다. 본 논문에서 ‘지역 위원회’라 함은 위원회를 구성하고 있는 각 구성원들이 주어진 문제 도메인의 일부 영역에만 특화 된 시스템을 일컫는다. 지역 위원회의 구축은 두 단계를 거쳐 이루어진다. 능동학습에 의한 데이터 분할과 기각 클래스 (reject class)를 이용한 데이터의 재결합이라는 두 단계를 거쳐 지역화 된 데이터 부분 집합들에 의해 각 구성원들이 지역 전문가로 훈련되어 진다. 지역화 된 구성원들의 의견들을 결합하기 위하여 본 논문에서는 합의 법칙 (sum rule criteria)를 사용하는데 이는 각 전문가들의 의견이 베이지안 확률분포를 따른다는 전제하에서 유도되어 진다. 이러한 모든 학습 절차들은 능동학습에 바탕을 둔다. 제안된 방법은 UCI 기계학습 데이터 베이스에서 얻어진 두 개의 실세계 데이터들에 적용되어진다. 본 방법론에 의해 구성된 지역 위원회 시스템이 타 시스템 보다 좀더 뛰어난 일반화 성능을 보임을 실험 결과를 통해 알 수 있다.