집단 특성 선택은 가장 핵심적인 집단 특성을 선택하여 덜 중요한 특성을 제거함으로써 모델 복잡도를 낮추는 데 있어 중요한 측면이다. 기존의 집단 특성 선택 방법들은 모든 집단 특성에 대한 상대적 중요도를 제공하지 않은 채, 중요한 집단 특성의 집합을 선택한다. 또한, 선택 과정에서 집단 특성의 상대적 중요도를 고려하는 방법은 많지 않다. 본 연구는 고차원 다중분류 데이터셋을 위해 특별히 설계된 순열 기반 집단 특성 선택 접근법을 제안한다. 먼저, 집단 특성 내에서 관련 없는 개별 특성을 제거하기 위해 최소 절대 수축 및 선택 연산자(least absolute shrinkage and selection operator, lasso) 방법을 적용하였다. 이후, 랜덤 포레스트 기반 순열 방법을 사용하여 집단 특성의 상대적 중요도를 계산하였다. 그 결과, 과정은 높은 수준의 유의성을 갖는 집단 특성을 선택하였다. 제안된 방법의 성능은 기계 학습 알고리즘을 사용하여 평가하였고, group lasso와 같은 다른 접근법과 비교하였다. 제안 방법의 효과를 입증하기 위해 실제 세계의 고차원 다중분류 마이크로어레이(microarray) 데이터셋을 사용하였다. 결과는 제안된 방법이 유의한 집단 특성을 선택할 뿐 아니라 모든 집단 특성의 상대적 중요도와 순위를 제공할 수 있음을 보여주었다. 또한 제안된 방법은 정확도와 F1 점수 측면에서 기존 방법보다 우수한 성능을 보였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.