오분류율의 붓스트랩추정을 활용한 k-최근접이웃분류의 적용

Application of k-nearest neighborhood classification through bootstrap estimation of misclassification rate

본 연구에서는 비모수적인 분류방법인 k-최근접이웃분류법을 소개하고, 오분류율을 최소로하는 적절한 k값을 경험적으로 찾아보았다. 오분류율의 추정에 있어서는 단순오분류율의 낙관성편향의 보정을 위해 붓스트랩방법을 활용하였다. 실제자료를 통해 k-최근접이웃분류를 선형/이차판별분류에 비해 좋은 분류법이 될 수 있음을 알아보았으며 오분류율을 최소화하는 기준에서 분류변수의 선택에 적용해 보았다. 모의실험을 통해 k-최근접이웃분류가 자료의 모분포에 적게 영향받을 뿐만 아니라, 적절한 k하에서 효율적인 분석이 될 수 있음을 살펴보았다.

This study introduced k-nearest neighborhood classification which is one of non-parametric classification methods. A proper k for applying k-nearest neighborhood classification was empirically chosen by minimizing misclassification rate. Since apparent error rate brings optimistic bias bootstrap method was used for correcting the bias. Superiority of k-nearest neighborhood classification was shown by empirical study and simulation. Moreover, this study showed that minimizing misclassification rate is also able to be applied for variable selection.