978 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song Table 1.1. Description of the regression models 선형회귀모형 랜덤포레스트 설명변수와반응변수간의선형관계를가정하고결과해석이용이. Ste
|
|
- 광기 흥
- 6 years ago
- Views:
Transcription
1 The Korean Journal of Applied Statistics (2015) 28(5), DOI: A Study on the Number of Domestic Food Delivery Services Jaeyoung Kwon a Sinae Kim a Eungee Park a Jongwoo Song a,1 a Department of Statistics, Ewha Womans University (Received July 29, 2015; Revised August 23, 2015; Accepted September 23, 2015) Abstract Food delivery services are well developed in the Republic of Korea, The increase of one person households and the success of app applications influence delivery services these days. We consider a prediction model for the food delivery service based on weather and dates to predict the number of food delivery services in 2014 using various data mining techniques. We use linear regression, random forest, gradient boosting, support vector machines, neural networks, and logistic regression to find the best prediction model. There are four categories of food delivery services and we consider two methods. For the first method, we estimate the total number of delivery services and the posterior probabilities of each delivery service. For the second method, we use different models for each category and combine them to estimate the total number of delivery services. The neural network and linear regression model perform best in the first method, this is followed by the neural network which is the best for the second method. The result shows that we can estimate the number of deliveries accurately based on dates and weather information. Keywords: delivery services, linear regression, random forest, gradient boosting, support vector machines, neural network, logistic regression 1. 서론 우리나라는세계적으로배달문화가발달한나라로다양한종류의음식에대해서배달이가능하고배달 가능시간또한상당히긴편이다. 또한최근에는혼자사는일인가구가늘어나고맞벌이부모들이늘면 서간편하고편리한배달음식에대한수요가증가하고있고, 따라서배달시장이더욱상승세로접어들 고있다. 이와더불어, 배달음식의종류또한매우다양해지고있어서가장대표적으로는치킨부터심지 어는회를배달해주는배달시스템까지갖추고있을정도로배달가능한음식의범위가점점확대되고 있다. 이러한상승세를틈타배달앱시장도매우활발하게발전하고있다. 스마트폰을이용하여다양 한업종별, 점포별비교를통해서가장합리적인소비와가장신속한배달을할수있으며, 또한음식점 의입장에서도전화로주문을받는시간과비용의불편함을줄일수있고, 앱을이용한주문수요가증 This research was supported by Basic Science Research Program through the National Research Foundation of Korea (NRF) funded by the ministry of Education, Science and Technology (No. NRF-2013R1 A1A ). 1 Corresponding author: Department of Statistics, Ewha Womans University, Seoul , Korea. josong@ewha.ac.kr
2 978 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song Table 1.1. Description of the regression models 선형회귀모형 랜덤포레스트 설명변수와반응변수간의선형관계를가정하고결과해석이용이. Stepwise regression, LASSO, Ridge regression 등과같은변수선택법사용가능. Bagging 방법론중의하나로많은수의 bootstrap sample을이용하여다수의의사결정나무의적합결과를이용하는예측모형 (Brieman 등, 1984). 변수선택시랜덤한일부분의변수만을이용하여 de-correlated tree를구축하여추정치의분산을줄여주는방법론. 손실함수의경사도를바탕으로다수의약한예측모형들을단계적으로생성하여결합함 그래디언트부스팅 으로써강한예측모형을생성 (Thomas, 2000). 일반적으로아주간단한의사결정나무 를예측모형으로사용. 서포트벡터기계 데이터를분리하는초평면중에서마진이큰초평면을선택하여분리하는방법으로서, 예측이정확하고여러가지형태의자료에대하여적용이용이 (Karatzoglou 등, 2006). 회귀모형에서는가장많은자료점들을포함하는참회귀함수둘레의튜브를이용하는방법론. 인간의두뇌구조를모방한모형으로서, 독립변수와반응변수간의관계를은닉층 (hidden 신경망모형 layer) 이있다고가정함. 예측력이좋은반면해석이어렵다는단점이있음. 단층은닉신경망 (single hidden layer) 이많이사용됨. 반응변수가범주형자료의경우에사용되며 log odds ratio가설명변수와선형관계에있 로지스틱회귀모형 다고가정함. 선형회귀모형과같이결과해석이용이하고 stepwise같은변수선택방법론 적용가능. 가하고있기때문에경쟁력을위해서높은수수료임에도배달앱에가입하는것이불가피하다. 이들앱에서는이용가능지역을설정하면그지역에서이용가능한음식점들을보여주며, 이용시간또한제공해준다. 그리고이음식점을이용해본사람들의후기와평점을볼수있어서이용에참고할수있다. 마지막으로배달시킬음식을선택한후에는결제를앱을통하여할수도있고, 평소와같이배달음식을받으면서결제를할수도있다. 하지만아직도많은배달이전화를통해이루어지고있으며, 따라서우리는 SKT에서제공하는배달통화건수자료를이용하여분석을진행하였다. 우리는이논문을통해서배달음식의이용건수를시간과날씨에따라예측해봄으로써판매자측에서는판매량을예측하여하루에필요한물량을예측하고, 효율적인시간관리와운영에이익을줄것이다. 주문자입장에서는주문량이많은시간대를피해서주문을하면더신속하게배달음식을이용할수있을것이다. 또한앱개발자입장에서는평균통화량과평균대기시간을알려주어이용자들이더편리한선택을할수있도록도와주는역할을할수있다. 본논문의구성은다음과같다. 2장에서는분석에사용된자료에대한설명으로자료수집과정과총배달건수에대한간단한요약및설명을한후변수설명및데이터전처리과정에대한설명을할것이다. 3장에서는통계프로그래밍 R (R Development Core Team, 2010) 을통하여회귀분석한결과를보여준다. 분석에사용한모형은선형회귀모형, 랜덤포레스트 (Breiman, 2001), 그래디언트부스팅 (Friedman, 2002; Ridgeway, 2012), 서포트벡터기계 (Cortes와 Vapnik, 1995; Karatzoglou, 2006), 신경망 (Hastie 등, 2009; Park 등, 2011), 로지스틱회귀모형 (James 등, 2013) 총여섯가지모형으로, 많이사용되는회귀모형이므로따로설명하지않고 Table 1.1에서간략히소개한다. 각각의회귀모형은다양한 tuning parameters가있으나이를여기서모두소개하기에는지면의부족함이있으므로 (Park 등, 2011) 을참조하기바란다. 4장은결론부분으로최종예측모형을통하여총배달이용건수와각업종별배달이용건수를예측하여실제값과비교한다. 마지막으로이논문이가지는시사점을요약한다.
3 A Study on the Number of Domestic Food Delivery Services 분석자료설명 2.1. 자료수집과정분석에사용된자료는 SKtelecom Bigdatahub 사이트 ( 에서제공하는오픈소스데이터인 배달업종이용현황분석 (2014년도) 를기본데이터로하고, 기상청 ( kma.go.kr) 에서제공하는일별, 시간대별자료를취합하여만들었다. 배달업종이용현황분석데이터는서울지역배달업종에대한한달간요일 / 시간대별이용현황데이터로, 제공되는변수는기준일, 요일, 시간대, 업종, 통화량이다. 통화량은 T고객 ( 발신 ) 기준이용자의배달업종통화건수로통화량 5건미만은 5건으로표시된데이터이다. 제공되는데이터중 2014년 1월 1일부터 12월 31일까지총 1년 365일의자료를분석에이용하였다. 기상청에서제공되는날씨데이터중에서시간대별로제공되는시간별기온, 풍향, 풍속, 습도, 미세먼지를이용하였고, 일별로제공되는일별평균기온, 최저기온, 최고기온, 운량, 강수량, 일조시간, 일출, 일몰과같은날씨타입자료를이용하였다. 운량에따라서 0 2는맑음, 3 5는구름조금, 6 8은구름많음, 9 10이상은흐림으로날씨를분류하였고, 이를순서형변수인 1, 2, 3, 4로정의하였다. 기상청에서제공되는날씨타입중에눈, 비가있는경우를 1로아닌경우를 0으로하여눈, 비여부를표시하였다. 날짜에따라서파생되는변수는봄 (3 5월), 여름 (6 8월), 가을 (9 11월), 겨울 (12 2월) 계절변수와, 공휴일, 기념일변수이다. 2014년공휴일은네이버에검색을통해확인한결과총 67일이였고, 6월4일지방선거를포함하면총 68일이다. 공휴일여부는공휴일전날을 2로, 공휴일을 1, 나머지를 0으로하여표시하였다. 기념일의경우는동계올림픽 (2월 7일 2월 23일 ), 아시안게임 (9월 19일 10월 4일 ), FIFA월드컵 (6월 13일 7월 14일 ), 블랙데이 (4월 14일 ), 복날 (7월 18일, 7월 28일, 8월 7일 ), 삼겹살데이 (3월 3일 ), SKT 피자멤버십할인데이 (1월 4월마지막주수요일, 4월 14일 5월 31일매주금요일 ), 황금연휴 (5월 1 6일, 6월 4 8일, 9월 6 10일 ) 등을고려하여 1과 0의범주형변수로포함시켰다. 본논문에서는시간대별자료를이용하여분석할것이다. 여기서총관측치의개수는 33,281개이며, 2014년 1월 1일부터 2014년 12월 31일까지서울의배달음식 ( 치킨, 피자, 족발 / 보쌈, 중국음식 ) 데이터를사용하였다. 일년 365일동안 0 23시간대에얻어지는 4가지배달업종에대한자료이므로총 35,040개여야하는데데이터로확인해본결과배달이용이없는시간대이였기때문에결측치인경우 1759개를통화량 0건으로처리하였다. 관측치를주어진시간대별로묶어서자료를다시정리하면총 8,758개행의자료가얻어지는데이를우리의분석자료로이용하였다. 여기서는 1월 31일 6과 7시간대에 4업종모두결측값을가지는것으로나타났기때문에두건을제외한 8,758개의자료로분석하였다 총배달건수요약총배달이용건수를보면시간대별최대이용건수 17,752건 (10월 26일오후 18시 ), 시간대별최소이용건수 5건 (9월 8일오전 6시 ), 시간대별평균이용건수 2,226건으로변동성이매우큰변수이다. 하루최대이용건수 101,941건 (10월 26일 ), 하루최소이용건수 9,383건 (5월 8일 ), 하루평균이용건수 37,388.46건으로일별이용건수에도변동성이큰것을알수있다. 또한총배달이용건수의월별합을구한결과월별합이가장높은달은 10월 ( 총 1,897,206건 ) 로가장작은달인 2월 ( 총 912,905건 ) 의 2배에달한다. 업종별로하루평균이용건수를비교해보면치킨 ( 건), 중국음식 ( 건), 피자 (4740.8건), 족발 / 보쌈정식 (1988.1건) 순으로많았다. 업종별로월별합의평균을구한결과역시치킨 (508,326.8 건 ), 중국음식 (424,235.9건), 피자 (144,199.7건), 족발 / 보쌈정식 (60,469.92건) 순이다. 4가지업종모두 10월에총이용건수월별합이가장많았으며, 치킨 (2월) 을제외한세업종이 11월에가장적었지만
4 980 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song Table 2.1. Description of variables X ( 설명변수 ) 변수설명타입 month 월 (m2: 9 10월, m1: 나머지 ) 범주형변수 day 요일 (mon, tue, wed, thur, fri, sat, sun) 범주형변수 time 시간대 (0, 1,..., 24) 범주형변수 season 계절 ( 봄, 여름, 가을, 겨울 ) 범주형변수 holiday 공휴일 (2: 공휴일전날, 1: 공휴일, 0: 나머지 ) 범주형변수 holiday2 기념일 (1: 아시안게임, 복날, 블랙데이등, 0: 나머지 ) 범주형변수 temp 기온 연속변수 wind dir 풍향 연속변수 wind spe 풍속 연속변수 hum 습도 연속변수 dust 미세먼지 연속변수 temp aver 평균기온 연속변수 temp min 최저기온 연속변수 temp max 최고기온 연속변수 cloud 운량 연속변수 climate 날씨 (1: 맑음, 2: 구름조금, 3: 구름많음, 4: 흐림 ) 순서변수 rain snow 눈비 (1: 눈또는비, 0 : 나머지 ) 범주형변수 rain amount 강수량 연속변수 suntime 일조시간 연속변수 sunrise 일출 연속변수 sunset 일몰 연속변수 Y ( 반응변수 ) 변수설명타입 A 족발 / 보쌈정식에대한배달이용건수 연속변수 B 중국음식에대한배달이용건수 연속변수 C 치킨에대한배달이용건수 연속변수 D 피자에대한배달이용건수 연속변수 SUM call 4가지업종에대한총배달이용건수 연속변수 치킨의이용건수가많으므로전체데이터에서는 2월에월별합이가장작았다. 시간대별총이용건수가만4천건이상인이상점들이있었다. 이값은총이용건수의평균값인 2,226건에비해매우큰값이며따라서총이용건수가가장높은 8개의이상점에대해서알아보도록한다. 이이상점들의특징으로는 9월, 10월로계절이가을이며, 요일은토, 일요일로주말이며시간대는저녁시간인 18시가대부분이다. 그밖에다른특징은보이지않았다. 따라서총이용건수의극대값에관해서는시간변수에큰영향을받고있다고생각할수있다 변수설명및데이터전처리과정본논문에사용된변수들의설명은 Table 2.1에나와있다. 특히반응변수는 A( 족발 / 보쌈이용건수 ), B( 중국음식이용건수 ), C( 치킨이용건수 ), D( 피자이용건수 ) 이고전체이용건수는 SUM call로정의하였다. 결측치가존재하는미세먼지 (dust) 변수의경우, KNN(K-nearest neighbor) 방법을이용하여값을채워주었다. 결측치를처리하는많은방법론중에 KNN방법론을사용한이유는, 우선결측치의숫자가많지않은경우에가장빠르면서효과적으로결측치를해결할수있는방법론이기때문이다. 또한 month, day, time 변수는범주형변수로서, 범주의수가많아용이한해석을위하여상자그림과 GMM(Gaussian Mixture Model) 을이용하여군집분석을수행하고그결과를이용하여그룹화를시도
5 A Study on the Number of Domestic Food Delivery Services 981 Figure 2.1. Boxplot of month variable after grouping. 해보았다. 그결과, day, time 변수의경우그룹화후의예측력이급격히감소하여그룹화전의원범주를그대로사용한다. 하지만 month 변수는 9월 10월을 m2로, 나머지월을 m1로한범주형변수로그룹화한결과, 원범주를사용했을때와예측력이크게차이나지않아그룹화후의범주를사용하였다. 그에따른상자그림은 Figure 2.1과같다. 그림상에서각변수별로차이가있는것을확인할수있다. 분석을위해 8,758개의자료를 7 : 3 비율로 train과 test로나누어각각 train 6,130개, test 2,628개의자료로분석을진행하였다. 설명변수중에서범주형변수인 month, day, time, season, holiday, holiday2, rain snow 총 7개에대하여 factor 변환하였다. 순서형변수인 climate는연속변수로간주하여분석에사용하였다. 최종모형에사용된독립변수및설명변수는 Table 2.1과같다. 3. 분석결과이번장에서는두가지방법을이용하여각배달업종별이용건수를예측해보도록한다. 3.1절에서는 4가지업종의총이용건수인 SUM call을예측하고, A, B, C, D 변수를묶은행렬을반응변수로하여시간대별각배달업종의이용비율을예측하여최종적으로각배달업종별이용건수를예측해본다 ( 방법1). 3.2절에서는각업종별로최적의모형을구축하여각배달업종별이용건수를예측하고총이용건수는개별업종별이용건수의합을이용하여예측해본다 ( 방법2) 전체모형 ( 방법 1) 위에서설명한바와같이이번절에서는우선총이용건수를예측한후에업종별이용건수를예측하는 방법이다 총이용건수예측 5 가지회귀모형 ( 선형회귀모형, 랜덤포레스트, 그래디언트부스팅, 서포트 벡터기계, 신경망모형 ) 을이용하여, 4 가지업종의총이용건수인 SUM call 을예측해보았다.
6 982 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song Table 3.1. The result of linear regression (significant level = 0.05) 변수회귀계수 p-value 변수회귀계수 p-value Intercept <2.00E-16 time <2.00E-16 month m <2.00E-16 time <2.00E-16 day mon <2.00E-16 time <2.00E-16 day sat <2.00E-16 time <2.00E-16 day sun <2.00E-16 time <2.00E-16 day thur E-12 time <2.00E-16 day tue <2.00E-16 time <2.00E-16 day wed E-16 time <2.00E-16 time <2.00E-16 time <2.00E-16 time <2.00E-16 season spring E-10 time <2.00E-16 season summer <2.00E-16 time <2.00E-16 season winter E-12 time <2.00E-16 holiday E-14 time <2.00E-16 holiday E-10 time <2.00E-16 wind spe time <2.00E-16 hum E-08 time <2.00E-16 temp max E-11 time <2.00E-16 cloud E-07 time <2.00E-16 climate E-05 time <2.00E-16 rain amount time <2.00E-16 sunrise <2.00E-16 time <2.00E-16 sunset <2.00E-16 먼저단계적선택법 (stepwise selection) 을실시하여최적의선형회귀모형을구해본결과, adjusted- R 2 가 0.982로선형회귀모형이데이터를충분히설명하고있다고판단된다. 유의수준 0.05 하에서유의한변수들의회귀계수와 p-value는 Table 3.1과같다. 최적선형회귀모형의중요변수에대한설명은다음과같다. 먼저날짜변수들을살펴보면, 9월과 10월이다른달에비해배달이용건수가많으며 (month), 가을에비해봄, 여름, 겨울에배달이용건수가많다 (season). 이둘은상충되는결과이지만, month의효과로인하여 season의회귀계수가영향을받은것으로보인다. 또한, 금요일에비해주말 ( 토, 일 ) 은배달건수가더많고평일 ( 월, 화, 수, 목 ) 에는더적으며 (day), 새벽 12시를기준으로오전시간대 (1시 10시) 에는배달건수가적고오후시간대 (11시 23시 ) 에는더많다 (time). 휴일관련변수의경우, 공휴일이아닌날에비해공휴일전날에배달건수가증가하며 (holiday), 기념일당일에배달건수가증가한다 (holiday2). 다음으로날씨변수들을살펴보면, 습도가높고 (hum), 흐리며 (climate), 강수량이많을때 (rain amount), 배달건수가증가한다. Figure 3.1은변수들의상대적인중요도를알아보기위하여그려본랜덤포레스트의 Variable Importance Plot이다. 이를살펴보면, time, day, month, hum 변수순으로중요하며, 그중 time변수가가장큰영향을미치는변수임을확인할수있다. 다음으로, 위에서언급한 5가지회귀모형을이용하여모형을적합시키고각모형의예측력을비교해보고자한다. 튜닝모수가필요한모형에대해서는, 10-fold cross validation을이용하여구한최적의튜닝모수를이용하였다. 최적의튜닝모수들을살펴보면, 랜덤포레스트의경우 mtry = 17, 그래디언트부스팅의경우 shrinkage = 0.05, 서포트벡터기계의경우 gamma = 2 6, cost = 60, 신경망모형의경우 size = 8, decay = 0.1이다. 모형의적합도및예측력평가척도는평균제곱근오차 (RMSE) 를이
7 A Study on the Number of Domestic Food Delivery Services 983 Figure 3.1. Relative importance of the independent variables using random forest. Table 3.2. Train and test error of the models (Total number of delivery) Train error Test error 선형회귀모형 랜덤포레스트 그래디언트부스팅 서포트벡터기계 신경망모형 용하였다. 각모형을비교해본결과는 Table 3.2와같다. 신경망모형이다른모형에비해적합도와예측력모두에서월등히좋은결과를보이고있으며, 랜덤포레스트와서포트벡터기계의경우에도나쁘지않은적합도와예측력을보임을확인할수있다. 이는 Figure 3.2에서도확인가능하다. 따라서세가지모형 ( 신경망모형, 랜덤포레스트, 서포트벡터기계 ) 을총배달이용건수예측을위한최종모형으로선택하여 3.1.3장에서각배달음식별이용건수를예측해보도록한다 각배달업종의이용비율예측각배달업종의이용비율은반응변수를행렬형태로넣을수있는다차원선형회귀모형 (Multivarite Linear Regression Model), 일반화선형모형 (Generalized Linear Model) 을이용하여예측했다. 1) 다차원선형회귀모형 (Multivariate linear regression model) 단계적선택법을실시하여최적의선형회귀모형을구하였다. 선형회귀모형에서는 4종류배달음식의이용비율 (posterior probability) 을예측하기위해서반응변수를이용건수의 weight 값으로적합한다 (weight 값 = 이용건수 / 네업종총이용건수 ). 최종적으로선택된변수는 month, day, time, season, holiday, temp, wind dir, wind spe, hum, dust, temp aver, temp max, cloud, climate, suntime, sunrise, sunset이다. adjusted-r 2 은 A( 족발 / 보쌈정식 ) 0.488, B( 중국음식 ) 0.959, C( 치킨 ) 0.973, D( 피자 ) 0.729로대체로높았으나중국음식, 치킨업종모형에서적합도가특히높았다. 각업종별유의한변수들의회귀계수는 ( josong/delivery/) 에서확인할수있다 ( 유의수준 0.05 기준 ).
8 984 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song (a) 신경망모형 (b) 랜덤포레스 (c) 서포트벡터기계 Figure 3.2. Predicted values VS True values (Total number of delivery). Table 3.3. The influential variables for each delivery service 족발 / 보쌈정식 중국음식 치킨 증가 감소 기온별최고기온월별 9, 10월요일별토, 일요일 1시 8시, 시간별 10시 16시 18시 19시시간별 22시 23시 요일별월 목요일요일별 시간별 1시 20시, 일출시, 일몰시 계절별기온별시간별 토요일, 공휴일, 공휴일전날여름, 겨울최저기온 21시 23시 요일별 토, 일요일 요일별 월 목요일 기온별 최저기온 기온별 최고기온 계절별 봄, 여름, 겨울 월별 9, 10월 1시 21시, 시간별날씨별미세먼지양일출시, 일몰시 시간별 23시 요일별 일요일, 공휴일 요일별 월 목요일 기온별 시간별기온, 최저기온 기온별 최고기온 피자 날씨별 날씨맑음 날씨별 운량 시간별 2시 23시, 일출시 계절별여름월별 9, 10월 Table 3.3은선형회귀모형의회귀계수에대하여유의수준 0.05를기준으로배달업종별회귀계수가양수인변수들을증가항목으로, 음수인변수를감소항목으로정리한결과표이다. 증가변수이거나증가변수의값이커질수록각업종별배달이용비율이증가하며, 감소변수이거나감소변수값이커질수록배달이용비율이감소한다. 결과를보면배달업종별로증가, 감소하는변수가각각다른것을알수있다. 또한모든업종에대해서대체로시간과관련한변수가유의하다. 범주형변수의 baseline 값은각각오전 0시 (time), 금요일 (day), 1월 (month), 가을 (season) 이다. 2) 일반화선형모형 (Generalized linear model) Stepwise를실시하여최적의일반화선형모형을구하였다. 다항로지스틱회귀모형 (Multinomial Logistic regression model) 을이용했으며반응변수는 weight값이아닌각업종별이용건수의행렬을이용
9 A Study on the Number of Domestic Food Delivery Services 985 Table 3.4. Test error of the models 족발 / 보쌈정식중국음식치킨피자 선형회귀모형 일반화선형모형 Table 3.5. Test error using linear regression (Number of each delivery service) 족발 / 보쌈정식중국음식치킨피자전체데이터 신경망모형 랜덤포레스트 서포트벡터기계 Table 3.6. Test error using logistic regression (Number of each delivery service) 족발 / 보쌈정식중국음식치킨피자전체데이터 신경망모형 랜덤포레스트 서포트벡터기계 했다. baseline 반응변수로는 A( 족발 / 보쌈정식 ) 가사용되었다. 최종적으로선택된변수는 time, holiday, wind dir, wind spe, hum, dust, temp aver, temp max, cloud, sunrise, sunset이다. 예측한이용비율의 test error를구한 Table 3.4를살펴보면, 일반화선형모형보다는선형회귀모형에서대체로작은값이나온것을알수있다. 따라서선형회귀모형이이용비율을예측하는데더적합한모형이라고할수있다. 각업종별로보면대체로족발 / 보쌈정식, 피자, 치킨, 중국음식순으로 test error가작았다 각배달업종의이용건수예측 3.1.1장의최적의모형 3가지 (Neural Network Model, Random Forest, Support Vector Machine) 로예측한총이용건수와 3.1.2장의모형 2가지 (Linear model, Generalized linear model) 로예측한각배달업종의이용비율을곱하여각배달업종의이용건수를예측해본다. 예상했던대로선형회귀모형을이용했을때, 일반화선형모형에비해서모든경우에서 test error가작았다. 각배달업종별이용건수를예측해본결과, 가장좋은결과를보여주는것은 3.1.1장에서신경망모형을, 3.1.2장에서선형회귀모형을선택했을때이고이때 test error가가장작았다 (Table 3.5 첫번째행 ). 따라서위데이터에대한최종모형으로신경망모형 & 선형회귀모형을선택한다. 각업종별이용건수의실제값과예측값을비교한 Figure 3.3을살펴보면, 모든업종에대하여충분이예측이잘되었음을알수있다. 또한, 이용건수가많은중국음식, 치킨, 피자, 족발 / 보쌈정식순으로예측이잘되었다 개별모형 ( 방법 2) 방법 1에서총이용건수를예측한후에개별업종의배달비율을예측하였다. 방법 2에서는각배달음식별로모형을구축해보고이를이용하여개별업종과총이용건수를예측해보고자한다. 분석에는독립변수와종속변수간관계해석을위한선형회귀모형과 3.1장에서가장좋은예측력을보였던신경망모형만을이용하였다 가지업종별모형예측각배달음식에대하여단계적선택법 (stepwise selection) 을실시하 여최적의선형회귀모형을구해보았다. 그결과, adjusted-r 2 가각각 , , , 로
10 986 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song (a) 족발 / 보쌈정식 (b) 중국음식 (c) 치킨 (d) 피자 Figure 3.3. Predicted values VS True values (Number of each delivery service). 네가지배달음식모두에서높은모형적합도를보이고있다. 따라서선형회귀모형이데이터를잘설명하고있다고판단된다. 배달음식별선형회귀모형의결과유의수준 0.05하에서유의한변수들의회귀계수는홈페이지 ( josong/) 에서확인할수있다. Figure 3.4는선형회귀모형을이용하여각배달업종별 2014년 1월 1일부터 12월 31일까지 365일의이용건수를예측하고, 하루당평균이용건수나타내어본그래프이다. 주말이평일에비해이용건수가높기때문에 7일단위로주기성을보인다. 또한 2.2장에서언급했던바와같이 9월과 10월이다른달에비해배달음식이용건수가증가함 (Figure 3.4 검은색점선 ) 을확인할수있다. Figure 3.5는선형회귀모형의회귀계수들을살펴본결과, time변수에따라각배달음식별이용건수의패턴이다름을확인하고, 각배달음식이용건수예측치의 time별평균을나타낸그래프이다. 전체적으로모든업종에서점심시간대 (11시 13시) 와저녁시간대 (17시 20시) 에이용건수가증가함을확인할수있다. 또한중국음식의경우점심시간대에다른업종에비해월등히이용건수가많으며, 치킨업종의경우점심시간부터꾸준히이용건수가증가하여저녁시간대에가장이용건수가많고, 다른업종과는달리밤시간대 (21시 24시) 까지도꾸준히많은배달이이루어지는것이특징이라할수있다. 다음으로신경망모형을이용하여네가지배달음식이용건수를분석해보았다. 신경망모형의적합에필요한튜닝모수 (size, decay) 의경우, 각배달음식별 10-fold cross validation 결과얻은최적의튜닝모수를이용했을때와 3.1장에서이용한튜닝모수 (size = 8, decay = 0.1) 을이용했을때의적합도와예측력모두크게다르지않아 3.1장에서이용한튜닝모수를그대로사용하도록한다.
11 A Study on the Number of Domestic Food Delivery Services 987 Figure 3.4. Predicted average number of each delivery service per day. Figure 3.5. Predicted average number of each delivery service per time. Table 3.7은선형회귀모델과신경망모형을이용해구한적합도및예측력을나타낸것이다. 이용건수가많은치킨 (C), 중국음식 (B), 피자 (D), 족발 / 보쌈정식 (A) 순으로 RMSE값이높으며, 신경망모형이선형회귀모형에비해좋은예측력을보이는것을확인할수있다. 따라서 3.2장의최종모형은신경망모형으로결정한다 모형비교 Table 3.8은앞에서분석한두가지방법론을비교해본것이다. 방법 1과방법 2에서최종선택된모형의 test error를비교하면다음과같다. 방법 1의경우총이용건수를신경망모형으로, 업종별이용비율을선형회귀모형으로선택하였으며, 방법 2의경우신경망모형을최종모형으로선택하였다. 두방법
12 988 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song Table 3.7. Train and test error of the models (each delivery service) Train error Test error 선형회귀모형신경망모형선형회귀모형신경망모형 족발 / 보쌈정식 (A) 중국음식 (B) 치킨 (C) 피자 (D) 전체데이터 Table 3.8. Test error of first and second methods 방법 1 방법 2 족발 / 보쌈정식 (A) 중국음식 (B) 치킨 (C) 피자 (D) 전체데이터 론의최종선택모형을비교하면, 족발 / 보쌈정식, 중국음식업종의경우방법 2에서, 치킨, 피자업종의경우방법 1에서 test error가작았다. 전체데이터의 test error를비교해보면방법 1에서더작고, 개별데이터에서는방법 1이 A, B에서성능이조금떨어지지만방법 2의값과그차이가크지않으므로, 방법 1을최적모형으로선택한다. 4. 결론우리는다양한회귀모형을사용해서배달음식건수를예측해보았다. 우선하나의모형으로전체배달건수를예측한후에업종별배달음식건수를예측하는방법을제시하였다 ( 방법 1). 그리고업종별배달음식을개개의다른모형으로예측한후에전체배달건수를예측하는모형을제시하였다 ( 방법 2). 전체배달건수예측에서는방법 1이더우수하였고업종별배달음식건수예측에서는족발 / 보쌈정식과중국음식에서는방법 2가, 치킨과피자에서는방법 1이더나은성능을보여주었다. 아주흥미로운것은시간과날씨에관련된설명변수만을가지고분석을하였는데상당히정확한예측이가능하다는사실이다. 물론 1년치데이터만을이용해서분석했으므로연단위시간이지남에따른변화를분석할수는없었지만 1년시간단위안에서는배달음식건수는상당히안정된모형을따른다는것을알수있다. 최근의논문동향을보면랜덤포레스트나그래디언트부스팅같은앙상불방법론이예측력에서가장우수한성능을보여주는경우를많이볼수있는데본논문에서가장우수한예측력을보여준모형이신경망모형이라는사실도특이한점이라고할수있다. 본예측모형을이용하면배달음식점들이수요예측을어느정도정확하게할수있으므로유용할것이고, 배달음식이용추이와현황을파악함으로써배달업주들뿐만아니라배달이용고객들에게도유용한정보를알려줄수있을것이라고생각된다. References Breiman, L. (2001). Random forests, Machine Learning, 45, Breiman, L., Friedman. J., Olshen, R. and Stone, C. (1984). Classification and Regression Trees, Chapman and Hall, New York.
13 A Study on the Number of Domestic Food Delivery Services 989 Cortes, C. and Vapnik, V. (1995). Support-vector networks, Machine Learning, 20, Friedman, J. (2002). Stochastic gradient boosting, Computational Statistics & Data Analysis, 38, Hastie, T., Tibshirani, R. and Friedman, J. (2009). The Elements of Statistical Learning, Springer, New York, USA. James, G., Witten, D., Hastie, T. and Tibshirani, R. (2013). An Introduction to Statistical Learning, Springer, New York, USA. Karatzoglou, A., Meyer, D. and Hornik, K. (2006). Support Vector Machines in R Journal of Statistical Software, 15(9). Park, C., Kim, Y., Kim, J., Song, J. and Choi, H. (2011). Datamining using R, Kyowoo, Seoul. R Development Core Team (2010). R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, ISBN Ridgeway, G. (2012). Generalized Boosted Models: A guide to the gbm package. Thomas, D. (2000). An experimental comparison of three methods for constructing ensembles of decision trees: Bagging, boosting, and randomization, Machine Learning, 40,
14 990 Jaeyoung Kwon, Sinae Kim, Eungee Park, Jongwoo Song 국내배달음식이용건수분석및예측 권재영 a 김시내 a 박은지 a 송종우 a,1 a 이화여자대학교통계학과 (2015 년 7 월 29 일접수, 2015 년 8 월 23 일수정, 2015 년 9 월 23 일채택 ) 요약우리나라는세계적으로배달음식문화가가장많이발달한나라중에하나로최근에는일인가구의증가와배달앱시장의발달과함께그성장속도또한눈부시게증가하고있다. 따라서배달음식이용에큰영향을미칠것으로예상되는날씨와날짜별변수를고려하여시간대별배달음식이용건수를예측함으로써소비자와생산자모두에게이익을주는예측모형을찾고자한다. 본연구의목적은다양한데이터마이닝기법을이용하여 2014 년도배달음식통화건수를예측하는데있다. 예측에사용되는회귀모형은선형회귀모형, 랜덤포레스트, 그래디언트부스팅, 서포트벡터기계, 신경망, 로지스틱회귀모형으로총 6 가지이다. 고려되는배달음식업종은총 4 가지 ( 족발 / 보쌈정식, 중국음식, 치킨, 피자 ) 로크게두가지방법을이용하여각업종별배달음식이용건수를예측하였다. 첫번째방법은총이용건수와각업종별배달음식이용비율을곱하여각업종별배달음식이용건수를예측하는것이고, 두번째방법은각업종별모형을세워각업종별배달음식이용건수를예측하는방법이다. 최종적으로선택된모형은방법 1 에서는신경망모형과선형회귀모형이며, 방법 2 에서는신경망모형이었다. 방법 2 보다는방법 1 로구한결과가더예측력이좋은것으로나타났다. 주요용어 : 배달음식이용건수, 선형회귀모형, 랜덤포레스트, 그래디언트부스팅, 서포트벡터기계, 신 경망, 로지스틱회귀모형 이논문은 2013 년도정부 ( 교육과학기술부 ) 의재원으로한국연구재단의지원을받아수행된기초연구사업임 (No. NRF-2013R1A1A ). 1 교신저자 : ( ) 서울특별시서대문구이화여대길 52, 이화여자대학교통계학과. josong@ewha.ac.kr
조사연구 권 호 연구논문 한국노동패널조사자료의분석을위한패널가중치산출및사용방안사례연구 A Case Study on Construction and Use of Longitudinal Weights for Korea Labor Income Panel Survey 2)3) a
조사연구 권 호 연구논문 한국노동패널조사자료의분석을위한패널가중치산출및사용방안사례연구 A Case Study on Construction and Use of Longitudinal Weights for Korea Labor Income Panel Survey 2)3) a) b) 조사연구 주제어 패널조사 횡단면가중치 종단면가중치 선형혼합모형 일반화선형혼 합모형
More information- 1 -
- 1 - External Shocks and the Heterogeneous Autoregressive Model of Realized Volatility Abstract: We examine the information effect of external shocks on the realized volatility based on the HAR-RV (heterogeneous
More information<352EC7E3C5C2BFB55FB1B3C5EBB5A5C0CCC5CD5FC0DABFACB0FAC7D0B4EBC7D02E687770>
자연과학연구 제27권 Bulletin of the Natural Sciences Vol. 27. 2013.12.(33-44) 교통DB를 이용한 교통정책 발굴을 위한 통계분석 시스템 설계 및 활용 Statistical analytic system design and utilization for transport policy excavation by transport
More informationDBPIA-NURIMEDIA
The e-business Studies Volume 17, Number 6, December, 30, 2016:275~289 Received: 2016/12/02, Accepted: 2016/12/22 Revised: 2016/12/20, Published: 2016/12/30 [ABSTRACT] SNS is used in various fields. Although
More information???? 1
The Korean Journal of Applied Statistics (2013) 26(1), 201 208 DOI: http://dx.doi.org/10.5351/kjas.2013.26.1.201 A Note on Model Selection in Mixture Experiments with Process Variables Jung Il Kim a,1
More information슬라이드 1
빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들
More information<352E20BAAFBCF6BCB1C5C320B1E2B9FDC0BB20C0CCBFEBC7D120C7D1B1B920C7C1B7CEBEDFB1B8C0C720B5E6C1A1B0FA20BDC7C1A120BCB3B8ED28313531323231292D2DB1E8C7F5C1D62E687770>
통계연구(2015), 제20권 제3호, 71-92 변수선택 기법을 이용한 한국 프로야구의 득점과 실점 설명 1) 김혁주 2) 김예형 3) 요약 한국 프로야구에서 팀들의 득점과 실점에 영향을 미치는 요인들을 규명하기 위한 연구를 하였 다. 2007년부터 2014년까지의 정규리그 전 경기 자료를 대상으로 분석하였다. 전방선택법, 후방 소거법, 단계별 회귀법, 선택법,
More information지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월
지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support
More information09권오설_ok.hwp
(JBE Vol. 19, No. 5, September 2014) (Regular Paper) 19 5, 2014 9 (JBE Vol. 19, No. 5, September 2014) http://dx.doi.org/10.5909/jbe.2014.19.5.656 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a) Reduction
More informationDBPIA-NURIMEDIA
The e-business Studies Volume 17, Number 6, December, 30, 2016:237~251 Received: 2016/11/20, Accepted: 2016/12/24 Revised: 2016/12/21, Published: 2016/12/30 [ABSTRACT] Recently, there is an increasing
More information김기남_ATDC2016_160620_[키노트].key
metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational
More informationDBPIA-NURIMEDIA
The e-business Studies Volume 17, Number 4, August, 30, 2016:319~332 Received: 2016/07/28, Accepted: 2016/08/28 Revised: 2016/08/27, Published: 2016/08/30 [ABSTRACT] This paper examined what determina
More information???? 1
The Korean Journal of Applied Statistics (2014) 27(1), 13 20 DOI: http://dx.doi.org/10.5351/kjas.2014.27.1.013 Maximum Tolerated Dose Estimation by Stopping Rule and SM3 Design in a Phase I Clinical Trial
More information사회통계포럼
wcjang@snu.ac.kr Acknowledgements Dr. Roger Peng Coursera course. https://github.com/rdpeng/courses Creative Commons by Attribution /. 10 : SNS (twitter, facebook), (functional data) : (, ),, /Data Science
More information44-4대지.07이영희532~
A Spatial Location Analysis of the First Shops of Foodservice Franchise in Seoul Metropolitan City Younghee Lee* 1 1 (R) 0 16 1 15 64 1 Abstract The foodservice franchise is preferred by the founders who
More information04김호걸(39~50)ok
Journal of Environmental Impact Assessment, Vol. 22, No. 1(2013) pp.39~50 Prediction of Landslides Occurrence Probability under Climate Change using MaxEnt Model Kim, Hogul* Lee, Dong-Kun** Mo, Yongwon*
More informationAn Effective Sentence-Extraction Technique Using Contextual Information and Statistical Approaches for Text Summarization
한국 BI 데이터마이닝학회 2010 추계학술대회 Random Forests 기법을사용한 저수율반도체웨이퍼검출및혐의설비탐색 고태훈, 김동일, 박은정, 조성준 * Data Mining Lab., Seoul National University, hooni915@snu.ac.kr Introduction 반도체웨이퍼의수율 반도체공정과웨이퍼의수율 반도체공정은수백개의프로세스로이루어져있음
More information에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 -
에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 - . - 2 - . 1. - 3 - [ 그림 1] 도시가스수요와실질 GDP 추이 - 4 - - 5 - - 6 - < 표 1>
More information<31372DB9DABAB4C8A32E687770>
김경환 박병호 충북대학교 도시공학과 (2010. 5. 27. 접수 / 2011. 11. 23. 채택) Developing the Traffic Severity by Type Kyung-Hwan Kim Byung Ho Park Department of Urban Engineering, Chungbuk National University (Received May
More informationTree 기반의 방법
Tree 기반의방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Tree 기반의방법 1 / 25 학습내용 의사결정나무 (decision tree) 회귀나무 (regresion tree) 분류나무 (classification tree) 비교앙상블알고리즘 (ensemble algorithm) 배깅 (bagging) 랜덤포레스트 (random
More information서론 34 2
34 2 Journal of the Korean Society of Health Information and Health Statistics Volume 34, Number 2, 2009, pp. 165 176 165 진은희 A Study on Health related Action Rates of Dietary Guidelines and Pattern of
More information인문사회과학기술융합학회
Vol.5, No.5, October (2015), pp.471-479 http://dx.doi.org/10.14257/ajmahs.2015.10.50 스마트온실을 위한 가상 외부기상측정시스템 개발 한새론 1), 이재수 2), 홍영기 3), 김국환 4), 김성기 5), 김상철 6) Development of Virtual Ambient Weather Measurement
More information16-기06 환경하중237~246p
Study on Jointing System of Airport Concrete Pavement Considering Environmental Loading The environmental load on concrete pavement can be categorized into temperature and moisture loads which include
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More information½Å³âÈ£-³»ÁöÀμâ
Potato C O N T E N T S 04 06 08 10 12 14 16 18 20 23 24 25 26 FOODMERCE 4 5 FOODMERCE 6 7 Total hygiene service 3HS FOODMERCE 8 9 FOODMERCE 10 11 4 MON 5 TUE 6 WED 7 THU 8 FRI 19 TUE 20 WED 21 THU 22
More information서론 1.1 연구배경및목적 Table 1. Cancer mortality Stomach cancer no. of deaths 11,701 11,190 10,935 10,716 10,563 10,312 m
342 Journal of the Korean Society of Health Information and Health Statistics Volume 34, Number 2, 2009, pp. 139152 139 이혜선 1), 명성민 2), 김도영 3), 한광협 3), 송기준 1) 1) 2) 3) A study on the updating of prediction
More information14.531~539(08-037).fm
G Journal of the Korea Concrete Institute Vol. 20, No. 4, pp. 531~539, August, 2008 š x y w m š gj p { sƒ z 1) * 1) w w Evaluation of Flexural Strength for Normal and High Strength Concrete with Hooked
More informationThe characteristic analysis of winners and losers in curling: Focused on shot type, shot accuracy, blank end and average score SungGeon Park 1 & Soowo
The characteristic analysis of winners and losers in curling: Focused on shot type, shot accuracy, blank end and average score SungGeon Park 1 & Soowon Lee 2 * 1 Program of Software Convergence, Soongsil
More informationJournal of Educational Innovation Research 2017, Vol. 27, No. 4, pp DOI: A Study on the Opti
Journal of Educational Innovation Research 2017, Vol. 27, No. 4, pp.127-148 DOI: http://dx.doi.org/11024/pnuedi.27.4.201712.127 A Study on the Optimization of Appropriate Hearing-impaired Curriculum Purpose:
More information김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월
지능정보연구제 17 권제 4 호 2011 년 12 월 (pp.241~254) Support vector machines(svm),, CRM. SVM,,., SVM,,.,,. SVM, SVM. SVM.. * 2009() (NRF-2009-327- B00212). 지능정보연구제 17 권제 4 호 2011 년 12 월 김경재 안현철 지능정보연구제 17 권제 4 호
More informationstatistics
수치를이용한자료요약 statistics hmkang@hallym.ac.kr 한림대학교 통계학 강희모 ( 한림대학교 ) 수치를이용한자료요약 1 / 26 수치를 통한 자료의 요약 요약 방대한 자료를 몇 개의 의미있는 수치로 요약 자료의 분포상태를 알 수 있는 통계기법 사용 중심위치의 측도(measure of center) : 어떤 값을 중심으로 분포되어 있는지
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More information878 Yu Kim, Dongjae Kim 지막 용량수준까지도 멈춤 규칙이 만족되지 않아 시행이 종료되지 않는 경우에는 MTD의 추정이 불가 능하다는 단점이 있다. 최근 이 SM방법의 단점을 보완하기 위해 O Quigley 등 (1990)이 제안한 CRM(Continu
한 국 통 계 학 회 논 문 집 2012, 19권, 6호, 877 884 DOI: http://dx.doi.org/10.5351/ckss.2012.19.6.877 Maximum Tolerated Dose Estimation Applied Biased Coin Design in a Phase Ⅰ Clinical Trial Yu Kim a, Dongjae Kim
More information슬라이드 1
빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 7 주차 회귀분석 Regression Analysis 최종후, 강현철 차례 4.1 선형회귀분석 (Linear Regression Analysis) 4.2 로지스틱회귀분석 (Logistic Regression Analysis) 4.3 회귀분석의특징과제약 4.4 분석사례 -
More information810 Milim Kim, Soyeon Lim, Chohee Jang, Jongwoo Song Figure 2.1. Histograms of average ratings and the number of episodes. 과회차예측에대한연구를필요로하고있다. 드라마시청률에
The Korean Journal of Applied Statistics (2017) 30(6), 809 825 DOI: https://doi.org/10.5351/kjas.2017.30.6.809 A study on entertainment TV show ratings and the number of episodes prediction Milim Kim a
More informationexp
exp exp exp exp exp exp exp exp exp exp exp log 第 卷 第 號 39 4 2011 4 투영법을 이용한 터빈 블레이드의 크리프 특성 분석 329 성을 평가하였다 이를 위해 결정계수값인 값 을 비교하였으며 크리프 시험 결과를 곡선 접합 한 결과와 비선형 최소자승법으로 예측한 결과 사 이 결정계수간 정도의 오차가 발생하였고
More information歯1.PDF
200176 .,.,.,. 5... 1/2. /. / 2. . 293.33 (54.32%), 65.54(12.13%), / 53.80(9.96%), 25.60(4.74%), 5.22(0.97%). / 3 S (1997)14.59% (1971) 10%, (1977).5%~11.5%, (1986)
More informationsrc.xls
[ 동네예보 XML element 설명 ] ex) http://www.kma.go.kr/wid/querydfs.jsp?gridx=59&gridy=127 xml 코드 xml 설명 비고 xml 선언부에한글처리 (utf-8) 인코딩선언 - 동네예보열기 - 지역, 구역헤더열기
More information#Ȳ¿ë¼®
http://www.kbc.go.kr/ A B yk u δ = 2u k 1 = yk u = 0. 659 2nu k = 1 k k 1 n yk k Abstract Web Repertoire and Concentration Rate : Analysing Web Traffic Data Yong - Suk Hwang (Research
More information에너지경제연구 제13권 제1호
에너지경제연구 Korean Energy Economic Review Volume 13, Number 1, March 2014 : pp. 23~56 거시계량모형을이용한전력요금 파급효과분석 * 23 24 25 26 < 표 1> OECD 전력요금수준 ( 단위 : $/MWh) 27 28 < 표 2> 모형의구성 29 30 31 [ 그림 1] 연립방정식모형의개요 32
More informationB-05 Hierarchical Bayesian Model을 이용한 GCMs 의 최적 Multi-Model Ensemble 모형 구축
Hierarchical Bayesian Model 을 이용한 GCMs 의 최적 Multi-Model Ensemble 모형 구축 Optimal Multi-Model Ensemble Model Development Using Hierarchical Bayesian Model Based 권 현 한 * 민 영 미 **Saji N. Hameed *** Hyun-Han
More information<B9CCB5F0BEEEB0E6C1A6BFCDB9AEC8AD5F31322D32C8A35FBABBB9AE5FC3CAC6C731BCE25F6F6B5F32303134303531362E687770>
미디어 경제와 문화 2014년 제12권 2호, 7 43 www.jomec.com TV광고 시청률 예측방법 비교연구 프로그램의 장르 구분에 따른 차이를 중심으로 1)2) 이인성* 단국대학교 커뮤니케이션학과 박사과정 박현수** 단국대학교 커뮤니케이션학부 교수 본 연구는 TV프로그램의 장르에 따라 광고시청률 예측모형들의 정확도를 비교하고 자 하였다. 본 연구에서
More information04-다시_고속철도61~80p
Approach for Value Improvement to Increase High-speed Railway Speed An effective way to develop a highly competitive system is to create a new market place that can create new values. Creating tools and
More information<31362DB1E8C7FDBFF82DC0FABFB9BBEA20B5B6B8B3BFB5C8ADC0C720B1B8C0FC20B8B6C4C9C6C32E687770>
Journal of the Korea Academia-Industrial cooperation Society Vol. 13, No. 4 pp. 1525-1531, 2012 http://dx.doi.org/10.5762/kais.2012.13.4.1525 저예산 독립영화의 구전 마케팅을 위한 스마트폰 모바일 애플리케이션 모델 개발 연구 김혜원 1* 1 청운대학교
More information15인플레이션01-목차1~9
ISSN 87-381 15. 1 15. 1 13 1 1.3 1. 1.8 1.5 1. 1.1 () 1.5 1..1 1.8 1.7 1.3 () 1..7.6...3 (). 1.5 3.6 3.3.9. 6.3 5.5 5.5 5.3.9.9 ().6.3.. 1.6 1. i 6 5 6 5 5 5 3 3 3 3 1 1 1 1-1 -1 13 1 1).6..3.1.3.
More information제 4 장회귀분석
회귀의역사적유래 (historical origin of the regression) 회귀 (regression) 라는용어는유전학자 Francis Galton(1886) 에의해처음사용된데서유래함. 그의논문에서 비정상적으로크거나작은부모의아이들키는전체인구의평균신장을향해움직이거나회귀 (regression) 하는경향이있다. 고주장 회귀의역사적유래 (historical
More information공휴일 전력 수요에 관한 산업별 분석
에너지경제연구 Korean Energy Economic Review Volume 15, Number 1, March 2016 : pp. 99 ~ 137 공휴일전력수요에관한산업별분석 1) 99 100 ~ 101 102 103 max m ax 104 [ 그림 1] 제조업및서비스업대표업종전력사용량추이 105 106 [ 그림 2] 2014 년일별전자및전자기기업종 AMR
More information연구보고서 2009-05 일반화선형모형 (GLM) 을이용한 자동차보험요율상대도산출방법연구 Ⅰ. 요율상대도산출시일반화선형모형활용방법 1. 일반화선형모형 2 연구보고서 2009-05 2. 일반화선형모형의자동차보험요율산출에적용방법 요약 3 4 연구보고서 2009-05 Ⅱ. 일반화선형모형을이용한실증분석 1. 모형적용기준 < > = 요약 5 2. 통계자료및통계모형
More informationProblem New Case RETRIEVE Learned Case Retrieved Cases New Case RETAIN Tested/ Repaired Case Case-Base REVISE Solved Case REUSE Aamodt, A. and Plaza, E. (1994). Case-based reasoning; Foundational
More information시스템경영과 구조방정식모형분석
2 st SPSS OPEN HOUSE, 2009 년 6 월 24 일 AMOS 를이용한잠재성장모형 (Latent Growth Model ) 세명대학교경영학과김계수교수 (043) 649-242 gskim@semyung.ac.kr 목차. LGM개념소개 2. LGM모형종류 3. LGM 예제 4. 결과치비교 5. 정리및요약 2 적합모형의판단방법 Tips SEM 결과해석방법
More informationJournal of Educational Innovation Research 2017, Vol. 27, No. 2, pp DOI: * Review of Research
Journal of Educational Innovation Research 2017, Vol. 27, No. 2, pp.79-102 DOI: http://dx.doi.org/10.21024/pnuedi.27.2.201706.79 * Review of Research Trends on Curriculum for Students with Severe and multiple
More information독립기념관 7월호 3p
www.i815.or.kr 04 06 08 10 12 14 16 18 19 20 21 22 23 24 26 28 30 32 34 36 38 40 42 43 44 45 46 47 50 www.i815.or.kr 2006. JULY www.i815.or.kr 2006. JULY www.i815.or.kr 2006. JULY www.i815.or.kr 2006.
More informationJournal of Educational Innovation Research 2019, Vol. 29, No. 1, pp DOI: (LiD) - - * Way to
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp.353-376 DOI: http://dx.doi.org/10.21024/pnuedi.29.1.201903.353 (LiD) -- * Way to Integrate Curriculum-Lesson-Evaluation using Learning-in-Depth
More information자연채무에대한재검토 1. 서론 2. 선행연구 9 Journal of Digital Convergence 214 May; 12(5): 89-99
종합주가지수 서울지역아파트가격 전국주택매매가격지수 경기선행지수의상관관계와선행성분석 최정일 *, 이옥동 성결대학교경영대학 *, 성결대학교부동산학과 ** ** 요약주식시장에서종합주가지수를부동산시장에서서울지역아파트가격과전국주택매매가격지수를선정하여경기 선행지수와함께각지표들사이의상관관계를찾아보았다 또한각지표들사이의흐름을서로비교하여선행성이 성립되는지도살펴보았다본연구의목적은종합주가지수와서울지역아파트가격전국주택매매가격경기선행지수의
More information....201506
TFT 2015 06 7 12 % 5 13 % 6 46 % 3 % 8 % 14 % 33% 2 % 22 % 23 % 29 % 50 % 18 % 5 28 % 8 1 % 4 % 22 % 7 % 26 % 41 % 5 % 5 % 10 % 6 % 10 % 8 % 12 % 12 % 50 % 23 % 10 % 5 22 % 15 % % 3 % 3 % QUIZ mind tip
More informationJournal of Educational Innovation Research 2019, Vol. 29, No. 1, pp DOI: * Suggestions of Ways
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp.65-89 DOI: http://dx.doi.org/10.21024/pnuedi.29.1.201903.65 * Suggestions of Ways to Improve Teaching Practicum Based on the Experiences
More information<C7E0BAB9C0AFBCBA5F323031365F30365F322E696E6464>
2016.06 www.yuseong.go.kr Vol.125 2016.06 www.yuseong.go.kr Vol.125 04 06 08 10 12 14 18 20 21 22 23 24 26 28 29 30 04 06 2016.06 www.yuseong.go.kr Vol.125 14 12 23 4 2016. 06 5 6 2016. 06 7 모이자~ 8 2016.
More information27 2, 17-31, , * ** ***,. K 1 2 2,.,,,.,.,.,,.,. :,,, : 2009/08/19 : 2009/09/09 : 2009/09/30 * 2007 ** *** ( :
27 2, 17-31, 2009. -, * ** ***,. K 1 2 2,.,,,.,.,.,,.,. :,,, : 2009/08/19 : 2009/09/09 : 2009/09/30 * 2007 ** *** (: dminkim@cau.ac.kr) 18 한국교육문제연구제 27 권 2 호, 2009. Ⅰ. (,,, 2004). (,, 2006).,,, (Myrick,
More informationDBPIA-NURIMEDIA
무선 센서 네트워크 환경에서 링크 품질에 기반한 라우팅에 대한 효과적인 싱크홀 공격 탐지 기법 901 무선 센서 네트워크 환경에서 링크 품질에 기반한 라우팅에 대한 효과적인 싱크홀 공격 탐지 기법 (A Effective Sinkhole Attack Detection Mechanism for LQI based Routing in WSN) 최병구 조응준 (Byung
More information, ( ) 1) *.. I. (batch). (production planning). (downstream stage) (stockout).... (endangered). (utilization). *
, 40 12 (2006 6) 1) *.. I. (batch). (production planning). (downstream stage) (stockout).... (endangered). (utilization). * 40, 40 12 (EPQ; economic production quantity). (setup cost) (setup time) Bradley
More informationAnalyses the Contents of Points per a Game and the Difference among Weight Categories after the Revision of Greco-Roman Style Wrestling Rules Han-bong
Analyses the Contents of Points per a Game and the Difference among Weight Categories after the Revision of Greco-Roman Style Wrestling Rules Han-bong An 1 & Kyoo-jeong Choi 2 * 1 Korea National Wrestling
More information비선형으로의 확장
비선형으로의확장 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 비선형으로의확장 1 / 30 개요 선형모형은해석과추론에장점이있는반면예측력은제한됨능형회귀, lasso, PCR 등의방법은선형모형을이용하는방법으로모형의복잡도를감소시켜추정치의분산을줄이는효과가있음해석력을유지하면서비선형으로확장다항회귀 (polynomial regression): ( 예 )
More informationDBPIA-NURIMEDIA
e- 비즈니스연구 (The e-business Studies) Volume 17, Number 3, June, 30, 2016:pp. 93~116 ISSN 1229-9936 (Print), ISSN 2466-1716 (Online) 원고접수일심사 ( 수정 ) 게재확정일 2016. 06. 12 2016. 06. 20 2016. 06. 26 ABSTRACT e-
More information여름호-내지원본
Watermelon C O N T E N T S 04 06 08 10 12 14 16 18 20 23 24 25 26 FOODMERCE 4 5 FOODMERCE 6 7 FOODMERCE 8 9 FOODMERCE 10 11 3 MON 4 TUE 5 WED 6 THU 7 FRI 18 TUE 19 WED 20 THU 21 FRI 24 MON 3 MON 4
More information10(3)-09.fm
w y wz 10«3y 253~258 (2010.12.) Journal of Korean Society of Urban Environment ³ w Á» Á Á y w y œw (2010 11 22, 2010 12 9 k) Study on Determine of Detention Pond in Small Developed Area In-Soo Chang ½
More informationJournal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI: NCS : * A Study on
Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp.157-176 DOI: http://dx.doi.org/10.21024/pnuedi.28.3.201809.157 NCS : * A Study on the NCS Learning Module Problem Analysis and Effective
More information<4D F736F F D20BDC3B0E8BFADBAD0BCAE20C1A B0AD5FBCF6C1A45FB0E8B7AEB0E6C1A6C7D E646F63>
제 3 강계량경제학 Review Par I. 단순회귀모형 I. 계량경제학 A. 계량경제학 (Economerics 이란? i. 경제적이론이설명하는경제변수들간의관계를경제자료를바탕으로통 계적으로추정 (esimaion 고검정 (es 하는학문 거시소비함수 (Keynse. C=f(Y, 0
More informationJournal of Educational Innovation Research 2019, Vol. 29, No. 2, pp DOI: 3 * Effects of 9th
Journal of Educational Innovation Research 2019, Vol. 29, No. 2, pp.357-378 DOI: http://dx.doi.org/10.21024/pnuedi.29.2.201906.357 3 * Effects of 9th Grade Students Participation in Career Curriculum Cluster
More informationJournal of Educational Innovation Research 2017, Vol. 27, No. 3, pp DOI: (NCS) Method of Con
Journal of Educational Innovation Research 2017, Vol. 27, No. 3, pp.181-212 DOI: http://dx.doi.org/10.21024/pnuedi.27.3.201709.181 (NCS) Method of Constructing and Using the Differentiated National Competency
More informationDBPIA-NURIMEDIA
The e-business Studies Volume 17, Number 6, December, 30, 2016:21~34 Received: 2016/12/04, Accepted: 2016/12/27 Revised: 2016/12/19, Published: 2016/12/30 [ABSTRACT] With the development of the Internet,
More informationJournal of Educational Innovation Research 2018, Vol. 28, No. 1, pp DOI: * A Analysis of
Journal of Educational Innovation Research 2018, Vol. 28, No. 1, pp.99-117 DOI: http://dx.doi.org/10.21024/pnuedi.28.1.201803.99 2015 * A Analysis of the Characters and Issues about the 2015 Revised Social
More information표본재추출(resampling) 방법
표본재추출 (resampling) 방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 표본재추출 (resampling) 방법 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과
More informationResampling Methods
Resampling Methds 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Resampling Methds 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과 )
More informationmethods.hwp
1. 교과목 개요 심리학 연구에 기저하는 기본 원리들을 이해하고, 다양한 심리학 연구설계(실험 및 비실험 설계)를 학습하여, 독립된 연구자로서의 기본적인 연구 설계 및 통계 분석능력을 함양한다. 2. 강의 목표 심리학 연구자로서 갖추어야 할 기본적인 지식들을 익힘을 목적으로 한다. 3. 강의 방법 강의, 토론, 조별 발표 4. 평가방법 중간고사 35%, 기말고사
More information` Companies need to play various roles as the network of supply chain gradually expands. Companies are required to form a supply chain with outsourcing or partnerships since a company can not
More information232 도시행정학보 제25집 제4호 I. 서 론 1. 연구의 배경 및 목적 사회가 다원화될수록 다양성과 복합성의 요소는 증가하게 된다. 도시의 발달은 사회의 다원 화와 밀접하게 관련되어 있기 때문에 현대화된 도시는 경제, 사회, 정치 등이 복합적으로 연 계되어 있어 특
한국도시행정학회 도시행정학보 제25집 제4호 2012. 12 : pp.231~251 생활지향형 요소의 근린주거공간 분포특성 연구: 경기도 시 군을 중심으로* Spatial Distribution of Daily Life-Oriented Features in the Neighborhood: Focused on Municipalities of Gyeonggi Province
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More information- i - - ii - - iii - - iv - - v - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - α α - 20 - α α α α α α - 21 - - 22 - - 23 -
More informationMulti-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구
Siamese Neural Network 박천음 강원대학교 Intelligent Software Lab. Intelligent Software Lab. Intro. S2Net Siamese Neural Network(S2Net) 입력 text 들을 concept vector 로표현하기위함에기반 즉, similarity 를위해가중치가부여된 vector 로표현
More informationJournal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI: * Strenghening the Cap
Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp.27-43 DOI: http://dx.doi.org/10.21024/pnuedi.28.3.201809.27 * Strenghening the Capacity of Cultural Arts Required in Special Education
More information<3032BFF9C8A35FBABBB9AE5FC7A5C1F6C7D5C4A32E696E6464>
하나님의 사람을 위한 생활 문화 매거진 235 Cover Story ISSN 2005-2820!!2 3! 3 201002 002 !!4 5! 201002 !!6 44 7! 201002 !!8 February 2010 VOLUME 35 Publisher Editor-in-Chief Editor Planning & Advertising Advertising Design
More information<BFACB1B831382D31365FBAF2B5A5C0CCC5CD20BAD0BCAEBFA120C0C7C7D120BFE4C0B2BBEAC1A420B9E6B9FD20BAF1B1B35F33C2F7BCF6C1A E687770>
Ⅴ. 앙상블기법과신경망모형 1. 앙상블기법 3) 앙상블 (Ensemble) 기법은 CART라는도구가괜찮다는철학하에만들어진것이다. 하지만 CART의성능이우수하지못할수있기때문에이를개선하기위해만들어졌다. 주어진자료를이용하여여러개의예측모형을먼저만들고, 그예측모형들을결합하여최종적으로하나의예측모형을만드는방법이다. 최초로제안된앙상블알고리즘은 1996년에만들어진 Breiman의배깅
More information20121217--2012년AQM보고서_Capss2Smoke-자체.hwp
11-148523-1331-1 대기모델링 정보지원 시스템을 위한 표준자료 구축 연구(Ⅱ) - CAPSS2SMOKE 프로그램 개발 기후대기연구부 대기공학연구과 Ⅱ 212 목 차 i 목 차 ii 목 차 iii 목 차 iii Abstract v Ⅰ. 서 론.., (Kim et al, 28). Clean Air Policy Support System (CAPSS).
More information02ÇãÀÎÇý~26š
The Spatial and temporal distributions of NET(Net Effective Temperature) with a Function of Temperature, Humidity and Wind Speed in Korea* Inhye Heo**, Youngeun Choi***, and Won-Tae Kwon**** Abstract :
More informationuntitled
통계청 통계분석연구 제 3 권제 1 호 (98. 봄 ) 91-104 장기예측방법의비교 - 전도시소비자물가지수를중심으로 - 서두성 *, 최종후 ** 본논문의목적은소비자물가지수와같이시간의흐름에따라변동의폭이크지않은시계열자료의장기예측에있어서쉽고, 정확한예측모형을찾고자하는데에있다. 이를위하여네가지의장기예측방법 - 1회귀적방법 2Autoregressive error 방법
More information<C7A5C1F620BEE7BDC4>
연세대학교 상경대학 경제연구소 Economic Research Institute Yonsei Universit 서울시 서대문구 연세로 50 50 Yonsei-ro, Seodaemun-gS gu, Seoul, Korea TEL: (+82-2) 2123-4065 FAX: (+82- -2) 364-9149 E-mail: yeri4065@yonsei.ac. kr http://yeri.yonsei.ac.kr/new
More information2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract
2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract - 31 - 소스코드유사도측정도구의성능에관한비교연구 1. 서론 1) Revulytics, Top 20 Countries for Software Piracy and Licence Misuse (2017), March 21, 2017. www.revulytics.com/blog/top-20-countries-software
More informationº½È£-³»Áö
C O N T E N T S 04 06 08 10 12 14 16 18 20 23 24 26 27 FOODMERCE 4 5 FOODMERCE 6 7 FOODMERCE 8 9 FOODMERCE 10 11 1 WED 2 THU 3 FRI 6 MON 7 TUE 16 THU 17 FRI 20 MON 21 TUE 22 WED 1 WED 2 THU 3 FRI 6
More information장기계획-내지4차
2011~2020 KOREA FOREST SERVICE 2011~2020 2011~2020 KOREA FOREST SERVICE 2011~2020 2011~2020 6 7 2011~2020 8 9 2011~2020 10 11 2011~2020 12 2011~2020 KOREA FOREST SERVICE 2011~2020 14 15 2011~2020 16 17
More information디지털포렌식학회 논문양식
ISSN : 1976-5304 http://www.kdfs.or.kr Virtual Online Game(VOG) 환경에서의 디지털 증거수집 방법 연구 이 흥 복, 정 관 모, 김 선 영 * 대전지방경찰청 Evidence Collection Process According to the Way VOG Configuration Heung-Bok Lee, Kwan-Mo
More informationJournal of Educational Innovation Research 2017, Vol. 27, No. 1, pp DOI: * The
Journal of Educational Innovation Research 2017, Vol. 27, No. 1, pp.243-268 DOI: http://dx.doi.org/10.21024/pnuedi.27.1.201703.243 * - 2001 2015 - The Research Trends on Peer Counseling in Elementary and
More informationJournal of Educational Innovation Research 2019, Vol. 29, No. 2, pp DOI: * The Effect of Paren
Journal of Educational Innovation Research 2019, Vol. 29, No. 2, pp.95-116 DOI: http://dx.doi.org/10.21024/pnuedi.29.2.201906.95 * The Effect of Parent Education Program Using Action Learning on Family
More informationJournal of Educational Innovation Research 2017, Vol. 27, No. 3, pp DOI: : A basic research
Journal of Educational Innovation Research 2017, Vol. 27, No. 3, pp.379-404 DOI: http://dx.doi.org/10.21024/pnuedi.27.3.201709.379 : A basic research for the after-school forest activities program models:
More informationVol.259 C O N T E N T S M O N T H L Y P U B L I C F I N A N C E F O R U M
2018.01 Vol.259 C O N T E N T S 02 06 28 61 69 99 104 120 M O N T H L Y P U B L I C F I N A N C E F O R U M 2 2018.1 3 4 2018.1 1) 2) 6 2018.1 3) 4) 7 5) 6) 7) 8) 8 2018.1 9 10 2018.1 11 2003.08 2005.08
More information09È«¼®¿µ5~152s
Korean Journal of Remote Sensing, Vol.23, No.2, 2007, pp.45~52 Measurement of Backscattering Coefficients of Rice Canopy Using a Ground Polarimetric Scatterometer System Suk-Young Hong*, Jin-Young Hong**,
More informationJournal of Educational Innovation Research 2019, Vol. 29, No. 1, pp DOI: An Exploratory Stud
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp.423-441 DOI: http://dx.doi.org/10.21024/pnuedi.29.1.201903.423 An Exploratory Study on the Improvement of Democratic Consultative Culture
More informationexample code are examined in this stage The low pressure pressurizer reactor trip module of the Plant Protection System was programmed as subject for
2003 Development of the Software Generation Method using Model Driven Software Engineering Tool,,,,, Hoon-Seon Chang, Jae-Cheon Jung, Jae-Hack Kim Hee-Hwan Han, Do-Yeon Kim, Young-Woo Chang Wang Sik, Moon
More information저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
More information<372E20B9DAC0B1C8F12DB0E62E687770>
7 사회과학연구 2010; 36(2) Journal of Social Science Vol.36, No.2, 2010; 45-69 사 회 과 학 연 구 의원 웹사이트의 네트워크 분석에 관한 연구 : 17대 국회의원과 7대 서울시의회 의원 웹사이트 비교 분석을 중심으로 박윤희 (Yun-Hee Park) 동국대학교 정치학과 박사과정 수료 mihoo@hanmail.net
More information