점진적 프로토타입 구성에 의한 사례 기반 학습의 특성 분석

사례 기반 학습(Instance-Based Learning)은 파라메터화된 모델을 사용하지 않고 전형적인 예(prototype)를 사용하여 일반화를 수행하는 학습 기법이다. 학습의 결과가 프로토타입의 집합으로 나타나기 때문에 프로토타입의 선택과 개수를 적절히 유지하는 것이 학습의 핵심적인 사항 중의 하나이다. 프로토타입이 많을수록 훈련의 정확도를 증가하지만 많은 수행 시간을 필요로 하고 알려지지 않은 데이터에 대해서는 잘못된 결과를 제시하게 될 확률이 커진다(overfitting). 본 논문에서는 이러한 문제를 해결하기 위해 프로토타입을 점진적으로 생성하는 사례 기반 학습 방법에 대해 다룬다. 제안된 방법에서는 적은 수의 프로토타입을 가지고 학습을 시작해서 필요에 의해 프로토타입의 수를 증가시킨다. 실험을 통하여 이 방법이 적절한 수의 프로토타입을 유지함으로써 overfitting을 방지할 수 있음을 보인다.