감염병의 예측 시점에 따른 변수 중요도 변화 연구

Abstract

감염병의 효과적 대응을 위해서는, 감염병 환자 수에 대한 정확한 사전 예측이 중요하다. 이를 위해, 감염병의 특성을 고려한 수학적 모델링 접근법이 주류를 이루고 있으나, 감염병의 특성에 관한 사전 지식이요구되는 한계점이 있다. 최근에는 기상이나 과거 발생 데이터와 같은 감염 관련 자료를 활용한 기계학습기반 예측 모델이 주목을 받고 있다. 이 방법은 기존 방식보다 제약이 덜하나, 높은 예측 정확도를 위해서는입력 변수로 사용할 요소들에 대한 신중한 선택이 요구된다. 하지만, 각 요소의 중요성은 예측 시점에 따라달라질 수 있어, 선택이 쉽지 않으며, 이를 해결하기 위한 연구 또한 부족한 실정이다. 이에 본 논문에서는랜덤 포레스트 기반 감염병 예측 모델을 구성하여, 예측 시점 변화에 따른 변수 중요도 변화를 분석하는 연구를 수행한다. 먼저, 감염병 발생 정보, 기상 정보 등 관련 자료를 수집하고 전처리하여 데이터셋을 구성한다. 구성된 데이터셋을 기반으로 예측 시점을 변화시키면서 랜덤 포레스트를 학습시키고 변수 중요도를 분석한다. 국내 발생 감염병을 대상으로 실험을 수행한 결과, 변수 중요도 변화 양상과 감염병의 발생 패턴에 따라감염병을 세 가지 유형으로 분류할 수 있었으며, 유형마다 중요 입력 변수, 주요 변화 양상 등을 분석할 수있었다.