View : 204 Download: 0

Full metadata record

DC Field Value Language
dc.description.abstractDeep learning is based on algorithms inspired by the function and structure of artificial neural networks, and has resulted in good performance in big data analysis. The purpose of this paper is to compare the performance of deep learning R-packages. In this study, we investigated the performance of widely used R-packages (h2o, deepnet) which can implement deep learning algorithms. For comparative analysis, we used three real data and calculated the misclassification rate of each method. Furthermore, we compared these results with the result of the other classification method - random forest.;본 연구에서는 딥러닝 알고리즘을 구현할 수 있는 R 패키지 중 많이 사용되는 h2o, deepnet의 각 방법들의 성능을 비교 분석하였다. 이를 위해 세개의 실제 데이터를 사용하였으며 각 패키지의 중요한 옵션들을 조정해서 최적 모형을 찾은 후 이를 바탕으로 오분류율을 계산하였다. 또한 이 방법들을 기존의 분석 방법인 random forest의 결과와 비교해보았다. deepnet 패키지에서는 옵션들의 조정 여부에 따라 결과가 크게 달라졌으며 초기 weight를 랜덤하게 주는 방법이 대체로 좋은 결과를 보였다. h2o 패키지에서는 옵션을 조정하지 않은 상태에서도 비교적 좋은 결과를 보였다. 데이터마다 성능의 결과가 다르게 나타났으며 random forest보다 좋은 결과를 보이는 방법이 있었다.-
dc.description.tableofcontentsI. Introduction 1 II. Description of deep learning R- packages 2 A. Algorithms 2 B. Options 3 III. Comparative analysis 5 A. Method of analysis 5 B. Real data analysis 5 1. Wine data 5 2. Sonar data 13 3. LSVT Voice Rehabilitation data 19 IV. Conclusion 26 References 27 논문초록 28-
dc.format.extent872602 bytes-
dc.publisher이화여자대학교 대학원-
dc.titleComparative study of deep learning R-packages-
dc.typeMaster's Thesis-
dc.format.pageiv, 28 p.-
dc.identifier.major대학원 통계학과- 2-
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.