커널회귀(Kernel Regression)

소개글

커널회귀(Kernel Regression)에 대한 보고서 자료입니다.

목차

1. 커널회귀 정의 3

2. 분석방법 3

3. Kernel Width 7

4. Kernel 9

5. 참고문헌 12

본문내용

1. 커널회귀 정의
Data set 에 대해 최대한 가장 정확히 추정(Best-fit)할 수 있는 회귀식 f(X, Y)을 생성한다고 하자. 일반적으로 이를 위해서는 모수추정과 비모수추정이라는 두가지 방법이 있다. 모수추정으로는 회귀분석이 있고, 비모수추정으로는 커널회귀분석(Kernel Regression)이 있다.
1) 모수와 비모수를 구분하는 기준은 무엇인가?
모수추정방법인 선형회귀분석이나 다항(Polynomial)회귀분석은 사전에 분석대상 Data가 정규분포를 한다는 가정(모수추정방법)하에서 분석을 수행한다. 하지만 커널회귀(Kernel Regression)는 사전에 아무런 가정을 하지 않는다. 이러한 이유로 인하여 비모수 분석방법이라고 한다.
2) 커널회귀식의 구성요소
커널회귀식(Kernel Regression)은 사전에 관측된 데이터를 이용하여 생성한 커널기반함수와 커널기반함수와 곱하는 가중치로 구성된다. 이러한 가중치는 종속변수 값(y)을 추정하고자 하는 지점(x)과 관측데이터(X)와의 거리에 비례하여 계산된다.
3) 커널기반함수
커널기반함수는 관측치 X와 근접한 Locations x간의 직경, 폭(또는 분산)을 인자로 갖고 있다. 따라서 커널회귀는 개개의 Local 가중치가 적용된 회귀식의 총합이며, Moving Average나 K-NN(Kth Nearest Neighbor), RBFN(Radial Basis Function Network), Neural Network와 SVM(Support Vector Machine)와 매우 유사한 특성이 있다.

키워드

커널회귀,   데이터마이닝,   비선형추정