• 목록

인내심규칙추론방법 (PRIM, Patient Rule Induction Method)은 대용량 생산운영 데이터 (operational data)의 최적 투입조건을 도출하는 다중반응 최적화 및 쌍대반응 최적화 분야에서 다방면으로 활용되어 왔다. 그러나 인내심규칙추론방법의 특성상, 학습용 데이터가 고정되어 있는 경우 그에 따라 고정된 peeling path만을 탐색할 수 있다는 한계가 존재한다. 본 연구는 WMSE (Weighted Mean Squared Error)를 목적함수로 고려하는 가운데, 쌍대반응 최적화를 수행하기 위해 random subspace 기법을 활용하는 쌍대반응변수 최적화 모델을 제안한다. WMSE를 적용하는 이유는 반응변수의 평균과 분산을 동시에 최적화하되, 평균/분산 각각에 대해 가중치를 달리할 수 있도록 하여 보다 유연한 최적화를 가능하도록 함에 있다. 나아가, 인내심규칙추론방법의 peeling step들을 수행함에 있어서 random subspace 방법론을 적용함으로써 경로 탐색 상의 다양성을 도모하여 기존 방법론 대비 더 나은 투입조건들을 도출할 가능성을 높이게 된다는 장점이 있다. 본 방법론의 최적화 성능을 검증하기 위한 case-study로서 N-fold 교차검증 및 가중치 조정 실험을 수행하였으며, WMSE 목적함수를 최소화하도록 하는 투입 조건 후보군들을 다수 도출할 수 있음을 확인하였다.