261 편의 논문
본 논문은 도시 이주와 같이 공간적으로 이질적인 시스템에서 머신러닝으로부터 도출된 특성 중요도 순위는 서로 다른 발전 단계에 따라 불안정하며, 예측 변수의 영향력의 방향이나 균일성을 본질적으로 드러내지 않으므로 정책 적용을 위한 별도의 공간적 검증이 필요함을 입증한다.
이 논문은 유한한 검증 데이터가 서로 경쟁하는 분포 모델들 사이에서 단 하나의 최적 행동을 고유하게 식별하는 데 종종 실패함을 드러냄으로써, 표준적인 점수 기반 선택 방식이 간과하는 행동 분산을 해결하기 위한 명시적 경제적 손실 함수의 필요성을 입증하는 모듈형 감사 프레임워크인 유한 증거 결정 식별 절차(FEDIP)를 소개한다.
본 연구는 보고된 값을 상한값으로 취급함으로써 식품수급표로부터 인구의 일반적인 에너지 섭취 분포를 성공적으로 추정하는 가우시안 기반 정밀화 알고리즘을 도입 및 검증하며, 6개국의 국가 식이 조사와 비교했을 때 기존 FAO 방식보다 정확도가 유의미하게 향상되었음을 입증한다.
본 연구는 류마티스 관절염 임상시험에서 EQ-5D 효용치를 추정하기 위해 선형 혼합 효과 모델, 일반화 추정 방정식, 그리고 이부 혼합 모델을 경험적으로 비교하였으며, 이부 혼합 모델이 더 낮은 효용치 추정치를 산출하지만 분석 방법의 선택이 전반적인 비용-효과성 결론에 미치는 영향은 미미하다는 것을 발견하였다.
본 논문은 비보상적 복합 지표에서 발생하는 계산 영역 붕괴를 해결하고 '인식론적 방패 함정(Epistemic Shielding Trap)'을 방지하기 위해, 전역 규범적 앵커 번역 CES 함수와 확실성 등가 사전 스크리닝 메커니즘을 결합한 통합 방법론적 프레임워크를 제안하며, 이를 통해 정확한 종단적 데이터 품질 감사를 가능하게 하는 동시에 패널티가 적용된 지표를 횡단적 자금 배분에 사용하는 것에 대해 명시적으로 경고한다.
이 논문은 다중 소스 이진 데이터에서 오분류와 선택 오류를 공동으로 다루는 베이지안 모델링 프레임워크를 소개하며, 시뮬레이션과 실증적 분석을 통해 복합 오류는 강건하게 식별될 수 있는 반면 이를 특정 구성 요소로 정확하게 분해하기 위해서는 유효한 지표, 보조 변수 및 정보가 풍부한 사전 분포가 필요함을 입증한다.
본 논문은 개별 테스트 객체를 처리하지 못하거나 데이터 구성에 민감한 기존 방법론의 한계를 극복하는 데이터 기반 및 모델 기반 안정성 척도를 도입함으로써, 수치형, 범주형 및 순서형 결과에 걸쳐 비결정론적 예측 모델의 안정성을 정량화하기 위한 일반적인 프레임워크를 제안한다.
본 연구는 GPS 데이터와 머신러닝 기반 특징을 활용하여 시드니를 대상으로 하는 순차적 투어 기반 수단 선택 프레임워크를 개발하며, 혼합 로짓(Mixed Logit) 모델이 상호 의존적인 투어 구성 요소에 대한 예측력을 유의미하게 향상시키고 해당 프레임워크가 상류 추정 불확실성에 대해 견고함을 유지함을 입증함으로써, 실무적인 통행 수요 예측을 위한 시뮬레이션 입력값 사용의 타당성을 검증한다.
본 연구는 신용 부도 예측 작업에서 XGBoost의 내장된 `scale_pos_weight` 파라미터가 전통적인 SMOTE 리샘플링 기법보다 재현율(recall) 측면에서 유의미하게 우수한 성능을 보임을 입증하며, 이는 클래스 불균형을 처리하기 위한 최적의 전략이 보편적인 리샘플링 방법이 아닌 사용되는 특정 분류기에 따라 달라짐을 강조한다.
본 논문은 정규성 가정과 표준 오차를 활용하여 K개 모집단의 실제 순위에 대한 결합 신뢰 영역을 포함하는 추정 순위표를 구축하는 방법을 제안하며, 이를 통해 순위의 불확실성을 시각적으로 전달하고 개별 순위에 대한 주변 신뢰 집합을 제공한다.