개선 결과

• 1차 시도 모델 정확도

• 7차 개선 후

  

• RMSE : 추정 매출 실제값과 추정 매출 예측값 간의 오차 제곱의 합들의 평균 루트

  • 오차 제곱 평균 루트라고 생각하면 됨
  • 작을수록 좋음

  

• MAE : 추정 매출 실제값과 추정 매출 예측값 간의 오차의 절댓값 합들의 평균

  • 오차의 평균이라고 생각하면 됨
  • 작을수록 좋음

  

• RMSE는 초기 663만원 → 7차 개선 후 223만원으로 감소

• MAE는 초기 343만원 → 7차 개선 후 164만원으로 감소

개선에 사용된 주요 기술

1. 선형회귀

• 한 개 또는 그 이상의 변수들(독립변수)에 대하여 다른 변수(종속변수) 사이의 관계를 선형 모형을 이용하여 설명하고 예측하는 분석기법
• 독립변수들을 정규화해서 사용했지만 변수들의 값이 선형과는 거리가 멀다는 것을 알 수 있다
• RMSE, MAE를 살펴봤을 때, 오차의 범위가 커서 모델 변경하기로 결정

2. 랜덤 포레스트 모델

• 의사결정나무에 배깅이라는 앙상블 학습을 적용한 모델로, 여러 개의 결정 트리를 조합하여 더 강력한 분류 모델을 구축하는 방법

• 과접합을 줄이고 분산을 감소시켜 정확도가 높고 예측 성능을 향상시키는 데 효과적

  • 랜덤 포레스트 적용 전

  

  • 랜덤 포레스트 적용 후

  

  MSE와 MAE 값이 많이 줄어듬을 볼 수 있다