의사결정트리, 랜덤포레스트, 그리고 그래디언트부스팅 모델에 기반한 운동선수의 부상 예측

Abstract

본 연구에서는 머신러닝의 지도학습 모델 중에서 트리 기반 알고리즘인 의사결정트리, 랜덤포레스트, 그래디언트부스팅을 적용하여 부상 예측의 성능과 변수 중요도를 비교 및 분석하고자 한다. 의사결정트리에서 지니 불순도(Gini Impurity)를 기준으로 데이터를 재귀적으로 분할하여 규칙 기반 예측 수행한다. 랜덤포레스트는 다수의 의사결정트리를 무작위 샘플링을 통해 학습시키고 투표 방식을 통해 최종 예측 수행한다. 그래디언트부스팅은 약한 분류기를 순차적으로 학습시키며, 이전 단계의 오차를 줄여나가는 방식으로 예측 성능 개선한다. 본 논문에서는 해석의 용이성을 위해 학습 자체를 depth=3으로 고정했다. 학습이 더 깊어도 세 가지 모델들의 구조적인 그림은 max_depth=3까지만 나타냈다. 랜덤포레스트의 최종 예측 트리는 숲 전체의 다수결 판단을 근사하는 설명용 트리이다. 다시 말해서 이들의 최종 예측 트리는 숲의 수백 트리들을 한 장의 트리로 보여줄 수 없으므로 일반적으로 대리 트리 기법을 사용하였다. 그래디언트부스팅 트리에서는 300번째 트리를 출력했다. 인공지능 모델의 성능을 평가하는 데 중요한 지표들인 정확도, 정밀도, 재현율, 그리고 F1 점수 개념이다. 본 연구에서도 각각의 모델에 대해 정확도, 정밀도, 재현율, 그리고 F1 점수를 기반으로 성능을 평가하였다. 또한 각각의 모델에서 도출된 변수 중요도를 비교하여 해석적 차이를 분석하였다.