AI
Random Forest with Grid Search
두줄요약
항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.
핵심 내용
- 항공권 예약 데이터셋을 사용해 Random Forest 분류 모델을 Google Colab에서 구현한 과정
- 범주형 변수 원-핫 인코딩, 학습/테스트 분리, SMOTE 오버샘플링으로 불균형 데이터 대응
- 기본 모델 성능은 정확도 84% 수준이었지만 재현율과 정밀도가 낮아 한계가 있었음
- Grid Search로 하이퍼파라미터를 튜닝하고, 특성 중요도로 출발 요일·출발지·비행시간 등의 영향도를 해석
적용해볼 점
- 불균형 분류 문제에서는 정확도보다 재현율·정밀도·F1 점수 중심 평가 필요
- 오버샘플링은 테스트 데이터가 아닌 학습 데이터에만 적용해 데이터 누수 방지 필요
- Random Forest는 특성 중요도 확인을 통해 예측 요인 해석에 활용 가능