프로젝트 소개
본 연구는 고차원·고용량 빅데이터를 개인별로 학습해 더 나은 의사결정과 예측을 가능하게 하는 통계적 기계학습 이론 및 실증 연구임.
연구목표는 microlearning 기반 맞춤형 학습 모형을 위한 이항분류 및 차원축소, 고차원 대용량 범주형 빅데이터의 분석·평가, 빅데이터 기반 개인맞춤형 정밀의료 방법론을 정립하는 데 있음. 핵심연구내용은 ROC 곡선·AUC 최적화, SVM 활용, 비모수적 model-free 차원축소, 거리 기반 학습에서 범주형 변수 거리 정의, 혼합형 커널·조절모수 선택, ITR·DTR 및 강화학습 의사결정, 베이즈 멘델 모형과 국민건강보험 맞춤형 DB 실증 포함됨. 기대효과는 통계학습의 이론·알고리즘 발전과 교육·보건의료·정책 등 다양한 분야의 데이터 주도 의사결정 활용 가능성 제시에 있음.