Regression 방법론을 이용한 Concrete Slump Test Data 분석

Abstract

콘크리트는 건축 재료에 중요한 부분을 차지한다. 콘크리트 매우 복잡한 물질이다. 콘크리트에 대한 품질을 검사하는 데는 여러 가지 방법이 있다. 슬럼프 시험이 그 중 한 방법이다. 콘크리트의 슬럼프는 수분 함량 뿐만 아니라 다른 재료들에 대해서도 영향을 받는다. 우리는 콘크리트 슬럼프에 영향을 미치는 설명변수들과 다양한 회귀분석 방법론을 이용하여 자료 분석을 한다. 본 논문에서는 사용된 회귀분석 방법론은 MLR(Multiple Linear Regression), PCR(Principal components regression), PLS(Partial Least Squares), CART(Classification and Regression Tree), NNET(Neural Network), GTB(Gradient Tree Boosting)) 이다. 우리는 콘크리트 자료를 Training set과 Test set으로 나누었다. 교차 검증(Cross-Validation)법을 Training set에 적용하고, 이후, training 과정에서 매개 변수를 선택한다. Test set은 이미 선택된 모델의 성능을 판단한다. Training set에서 회귀적합을 하고 Test set에서 Prediction Error를 구하였다. 다양한 회귀분석 방법론을 적용하여 얻은 Prediction Error를 비교 검토하여 어떤 방법론에서 가장 우수한 성능을 내는지를 조사한다.;Concrete is a highly complex material. There are several ways to check quality of the concrete. The concrete slump test is one of them. The slump flow of concrete is not only determined by the water content, but that is also influenced by other concrete ingredients. We are data analysis using explanatory variables that influence the slump flow of concrete and regression analysis methods. In this paper used regression analysis methods with MLR(Multiple Linear Regression), PCR(Principal components regression), PLS(Partial Least Squares), CART(Classification and Regression Tree), NNET(Neural Network), GTB(Gradient Tree Boosting). We randomly divided concrete slump test data into Training set and Test set. Cross-Validation is applied to the training set, since selecting the parameter is part of the training process. The test set is there to judge the performance of the selected model. The regression analysis method are fit to the Training set, and Prediction Error is computed on the Test set. We compare the Prediction Error applied by these regression analysis methods and we investigate what is the most excellent performance in the prediction.