ILoveSPSS

SPSS R 일반화 부스팅과 생존시간모형 이번 52차 오픈하우스 세미나에서는 SPSS Statistics Version 23에 새롭게 추가된 일반화 부스팅 (generalized boosting)과 생존시간(survival time) 모형을 주제로 진행됩니다. 1.일반화 부스팅(generalized boosting)은 AdaBoost 알고리즘(Freud와 Shapire, 1996)의 일반화로서 CART와 같은 나무 분류 회귀 모형(tree model)을 향상시키는 기계학습(machine learning) 방법입니다. 본 세미나의 1부에서는 Friedman(2001, 2002)에 의하여 개발된 일반화 부스팅 알고리즘을 설명하고 R의 gbm 팩키지에 기반한 SPSS의 일반화 부스팅 모듈을 소개합니다. 2.생존시간(survival time) 자료에 대한 준모수적(semiparametric) 회귀모형으로 비례위험모형이 잘 알려져 있습니다. 그러나 대안적 방법으로 모수적 생존모형 (일명 가속고장시간모형, accelerated failure-time model)이 있습니다. 본 세미나의 2부에서는 생존시간에 대한 모수적 회귀모형과 시간의존적 공변량(time-dependent covariate)을 허용하는 비례위험모형(proportional hazard model)을 다룰 것입니다. 주요 keyword: SPSS/R/기계학습(machine learning)/일반화 부스팅 (generalized boosting)/gbm/비례 위험 모형 (proportional hazards model)/생존시간 모형 생존분석 (survival analysis)/Cox Regression/time-dependant covariance/survival