근로자의 대사증후군 예측에 대한 휴리스틱 기반 특성 최적화를 결합한 DeepGBM 적용 연구

변해원

논문 상세보기

근로자의 대사증후군 예측에 대한 휴리스틱 기반 특성 최적화를 결합한 DeepGBM 적용 연구 KCI 등재

Comprehensive Data-Driven Insights into Metabolic Syndrome: Utilizing DeepGBM with Heuristic Feature Optimization

변해원

언어KOR
URLhttps://db.koreascholar.com/Article/Detail/449945

구독 기관 인증 시 무료 이용이 가능합니다. 4,000원

한국기계항공기술학회지(구 한국기계기술학회지) (Journal of the Korean Society of Mechanical and Aviation Technology)

제28권 제2호 (2026.04)
pp.195-201

한국기계항공기술학회(구 한국기계기술학회) (Korean Society of Mechanical Technology)

초록

This study investigates the superior predictive performance of a DeepGBM model (combining boosting and deep learning) for identifying metabolic syndrome in the Korean adult population using KNHANES data. DeepGBM consistently showed superior performance compared to established algorithms. Feature prioritization revealed waist circumference and fasting glucose as critical predictors. This research demonstrates the potential of integrating advanced machine learning with public health data to improve early detection.

키워드

DeepGBM 모델 대사증후군 예측 성능 허리둘레 공복혈당 기계 학습 Model Metabolic Syndrome Predictive Performance Waist Circumference Fasting Glucose Machine Learning

Abstract
1. 서 론
2. 자료원
    2.1 분석 대상
    2.2. 자료의 전처리
3. 연구 방법론
    3.1 모형 개발
    3.2 특성 선택
    3.3 비교 모형
    3.4 성능 평가 지표
4. 결과 및 분석
    4.1 모델의 성능
    4.2 특성 중요도 및 선택
5. 논 의
6. 결 론
References

저자

변해원(Dept. of Future Technology, Korea University of Technology and Education, South Korea) | Haewon Byeon Corresponding author

같은 권호 다른 논문