퍼지 자료를 가진 능형 회귀모형

Abstract

우리는 자료를 분석할 때 경계가 모호해서 정확하게 표현하기 힘든 불확실한 자료를 얻게 되는 경우가종종 있으나 이들 자료를 정확한 자료를 다루는 모형으로 분석하는 경우가 많다. 본 논문에서는 머신러닝의 지도학습 알고리즘에 속하는 능형 회귀 모형이 퍼지 자료를 가질 때, 이를 모형화 하기 위한 퍼지능형 회귀 추정 알고리즘을 제시한다. 퍼지 자료를 가지는 능형 회귀 모형의 계수를 최소제곱 추정법으로 추정하기 위해 퍼지 집합 사이의 다이아몬드 (Diamond) 거리를 사용하였다. 또한 퍼지수에 대한내적곱을 정의하여 제안된 추정량이 기존의 능형 회귀 추정량을 포함하는 일반화 추정량임을 보였다.예제를 통해 제시된 추정량의 타당성을 확인하고 퍼지 회귀와 분석 결과를 비교하였다. When analyzing data, there are many cases where the boundaries are ambiguous and uncertain data that is difficult to represent accurately, but such data is often analyzed using models that handle precise data. In this paper, we propose a ridge regression estimation algorithm when the ridge regression model, which belongs to the supervised learning of machine learning, deals with fuzzy data. To estimate parameters for ridge regression with fuzzy data using the least squares estimation method, we use the Diamond distance of fuzzy numbers. In addition, by defining the dot product of fuzzy numbers, it was shown that the proposed estimator is a generalized estimator including a ordinary ridge regression estimator. Thorough the example, the validity of the proposed estimator is confirmed and the analysis results are compared with the estimator of fuzzy regression.