퍼지SVM을 이용한 정보획득 특징 선택 기반의 불균형 데이터 분류

Abstract

편리한 지불 방법과 신용 도구인 신용 카드는 많은 상업 은행에서 판축을 진행해 왔으며 이에 따라 더 많은 소비자가 신용 카드로 지불하기를 선택함에 따라 안전한 지불 환경이 중요해졌다. SVM은 소수의 핵심 데이터인 지원 벡터만을 사용하여 초평면을 결정하여 클래스를 분류하는 방법으로 성능이 안정적이고 알고리즘이 단순하여 많은 분야에서 성공적으로 적용되어왔다. 그러나 SVM은 데이터 클래스의 개수가 비슷한 데이터에서 우수한 분류 성능을 갖지만 데이터의 클래스가 불균형일 때 성능은 일반적으로 좋지 않다. 본 연구에서 사용된 퍼지 SVM은 불균형 데이터에서 SVM의 성능을 향상시킨 방법으로 각 입력 자료에 퍼지 멤버십을 주어 초평면을 학습 할 때 지원 벡터가 서로 다른 가중치를 갖는 모델이다. 그리고 예측 정확도 개선 및 연산 복잡도를 줄이기 위해 분류기에서 입력 특징의 수를 제한하는 IG 기반의 특징 선택 알고리즘을 사용했다. 본 연구는 불균형 데이터에서 특징 선택을 기반으로 퍼지 SVM을 적용하여 SVM과 성능을 비교하였다. 실험 결과는 퍼지 SVM 알고리즘이 불균형 문제를 효과적으로 처리 할 수 ​​있는 것을 보여준다.