특징 선택을 이용한 소프트웨어 재사용의 성공 및 실패 요인 분류 정확도 향상

특징 선택은 기계 학습 및 패턴 인식 분야에서 중요한 이슈 중 하나로, 분류 정확도를 향상시키기 위해 원본 데이터가 주어졌을 때 가장 좋은 성능을 보여줄 수 있는데 데이터의 부분집합을 찾아내는 방법입니다. 즉, 분류기의 분류 목적에 가장 밀접하게 연관되어 있는 특징들만을 추출하여 새로운 데이터를 생성하는 것입니다. 소프트웨어 재사용의 성공 요인과 실패 요인에 대한 분류 정확도를 향상 시키기 위해 특징 부분 집합을 찾는 실험을 하였습니다. 기존 연구들과 비교 분석한 결과, 본 원고에서 찾은 특징 부분 집합으로 분류했을 때 가장 좋은 분류 정확도가  보이는 것을 확인하였습니다.

분류 알고리즘(Classification algorithm)

• SVM
• RBFNetwork
• NaiveBayes
• BatesNet

특징 선택(Feature Selection)

특징선택이란 전체 속성 집합에서 분류에 결정적인 영향을 미치는 부분 집합의 조합을 찾는 기법입니다.

자세히 보기 →