프로젝트 소개
본 연구는 고차원-고용량 빅데이터를 개인에게 맞춰 더 잘 학습하고 예측하기 위한 통계 이론과 알고리즘을 개발하는 연구임.
연구목표는 microlearning 기반 맞춤형 기계학습을 위한 이항분류·차원축소, 고차원 대용량 범주형 빅데이터 모형의 분석·평가, 빅데이터 기반 개인맞춤형 정밀의료(ITR, DTR) 방법론 제시에 있음. 핵심연구내용은 ROC 및 SVM으로 AUC 최적화, model-free 차원축소(위계적 변수선택, 일반화 주기계 기반 차원축약), 범주형-연속형 혼합형 데이터에서 거리·커널·조절모수 선택, 강화학습 기반 의사결정 및 베이즈 멘델 모형으로 위험률 예측 수행임. 기대효과는 통계학습의 이론·응용 확장 및 교육평가·경제/보건정책 등 다양한 분야에서 데이터 주도 최적 의사결정 가능성 제고임.