순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Effect of Data Scaling Methods on Machine Learning Algorithms and Model Performance
Md Manjurul Ahsan, M. A. Parvez Mahmud, Pritom Saha 외 · Technologies · 2021년 · 조회 20
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2021-07 발표 · 피인용 744회 · FWCI 74.4 · 동년 인용 상위 1% · 참고문헌 39개
RESEARCH PAPER 슬롯에 선정된 이유는 2021년 발표된 논문으로 피인용 744회, FWCI 74.4 등 동년 논문 중 상위 1%에 속하며 후속 연구 설계에 활용도가 높기 때문이다.
논문 요약
본 논문은 심장질환 진단을 위한 머신러닝 모델에서 데이터 스케일링이 알고리즘 성능에 미치는 영향을 평가한다. 결측치와 데이터 불일치 문제를 해결하기 위해 특징 축소, 데이터 변환, 스케일링 등 전처리 과정을 적용했으며, 총 11개의 머신러닝 알고리즘(LR, 등)을 비교하였다. 연구 결과, 적절한 스케일링이 모델의 예측 정확도를 크게 향상시켜 잘못된 예측 위험을 감소시켰다.
후속 연구설계에 활용하기
후속 연구에서는 본 논문의 스케일링 기법을 변수 전처리 단계에 포함시키고, 다양한 의료 데이터셋에 대한 알고리즘 비교 실험을 설계할 수 있다.
핵심어
데이터 스케일링머신러닝심장질환모델 성능
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.