AncomWiki

금융 데이터 모델 교차 검증을 위한 점근적 메타러닝 (Asymptotic Meta Learning)

Properties1
description본 문서는 금융 빅데이터와 같은 고노이즈 환경에서 다양한 머신러닝 모델 간 교차 검증(Cross Validation) 시 발생하는 시간 소모 문제를 해결하기 위한 연구를 다룹니다. 기존 OCBA 및 IAML 알고리즘 대비 효율성을 개선한 두 가지 점근적 메타러닝 알고리즘(AML-Lin, AML-Xiang)을 제안하며, 이는 순서 최적화(Ordinal Optimization) 기법을 기반으로 합니다. 수치 실험 및 실제 사례를…

8 min read

금융 데이터 모델 교차 검증을 위한 점근적 메타러닝 (Asymptotic Meta Learning)

Source

  • Evernote/Inbox/Asymptotic Meta Learning for Cross Validation of Models for Financial Data.md

Summary

본 문서는 금융 빅데이터와 같은 고노이즈 환경에서 다양한 머신러닝 모델 간 교차 검증(Cross Validation) 시 발생하는 시간 소모 문제를 해결하기 위한 연구를 다룹니다. 기존 OCBA 및 IAML 알고리즘 대비 효율성을 개선한 두 가지 점근적 메타러닝 알고리즘(AML-Lin, AML-Xiang)을 제안하며, 이는 순서 최적화(Ordinal Optimization) 기법을 기반으로 합니다. 수치 실험 및 실제 사례를 통해 금융 데이터 모델 선택 과정에서의 효율성 향상을 입증했습니다.

Key Points

  • 금융 데이터와 같은 고노이즈 대규모 데이터셋에서 모델 간 교차 검증은 매우 시간 소모적입니다.
  • 교차 검증 기반 메타러닝의 효율성을 높이기 위해 AML-Lin 및 AML-Xiang 두 가지 점근적 메타러닝 알고리즘을 제안합니다.
  • 제안된 알고리즘은 순서 최적화(Ordinal Optimization) 기법을 활용합니다.
  • 기존 알고리즘(OCBA, IAML) 대비 성능 개선 효과가 있으며, 특히 금융 데이터 처리에 새로운 접근법입니다.
  • 출처: IEEE Transactions on Intelligent Systems (2020년 5월)

그래프 뷰

백링크