오류 라벨을 포함한 분류모형의 강건성 모의실험연구

A Simulation Study on Robustness of Classification Model with Mislabeled Data

분류모형의 정확도 및 성능을 높이기 위해서는 우선 데이터의 품질이 담보되어야 한다. 이러한 데이터의 품질에 영향을 주는 것으로는 데이터의 정확도, 결측값의 비율, 모집단 대표성 등의 다양한 요소가 있으며, 본 연구에서는 오류라벨(mislabel)이 있는 데이터에 대한 분류모형의 강건성(robustness)에 대해 살펴보고자 한다. 오류라벨은 데이터를 통해 분류하고자 하는 명목형(nominal) 값인 라벨이 잘못된 것을 의미한다. 우리가 오류라벨에 관심을 갖는 이유는, 다른 일반적인 측정 오류보다 라벨오류가 모형의 성능을 현저히 떨어뜨리기 때문이다. 본 연구에서는 오류라벨이 존재하는 데이터에 대한 다양한 분류방법에 대해 강건성을 검토하였다. 통계적 모형기반의 방법에서는 피셔의 선형판별모형(LDA), 이차판별모형(QDA), 로지스틱 회귀모형을 고려하였고, 알고리즘(algorithm) 기반의 방법에서는 SVM(support vector machine), 부스팅(boosting)을 비교하였다. 모의실험을 통한 비교 결과, 오류라벨의 다양한 상황을 가정한 데이터에서 통계적 모형기반 방법론이 강건성의 면에서는 우수한 결과를 보이고 있음을 확인하였다.

In order to increase the accuracy and performance of classification models, the quality of data must be guaranteed. There are various factors that affect the quality of these data, such as measurement accuracy, missing value, and sampling biases. This study focuses on the robustness of the classification model for mislabeled data. The reason we are interested in mislabeled data is that it significantly degrades the performance of the model more than other common measurement errors. In this study, the efficiency of various classification methods for data with mislabels is reviewed. Fisher's linear discriminant analysis model (LDA), quadratic discriminant analysis model (QDA), and logistic regression model were considered in the statistical model-based method, and SVM (support vector machine) and boosting are compared in the algorithm-based method. As a result of simulation study, it is found that the statistical model based approaches show better results in terms of robustness in the data assuming various situations of mislabels.