한글내용
(Korean Abstract) |
최근 세계화에 따른 활발한 교류로 인해, 많은 해외 감염병들이 국내에 유입되고 있다. 이에 따라 인적, 물적 피해가 증가하면서 이러한 피해를 줄이기 위해 감염병 통제와 예방을 위한 다양한 연구가 수행되고 있다. 특히 감염병의 발생에 대한 효과적 예측 기법은 그 파급 효과로 인해 많은 주목을 받고 있다. 최근까지 기계학습을 이용하여 감염병의 발생을 예측하는 연구가 많이 수행되었으나, 대부분 특정 지역을 대상으로 하였기 때문에 다른 지역에 적용할 경우 예측 효과가 제한적이었다. 이러한 문제를 해결하기 위해, 본 논문에서는 랜덤 포레스트(Random Forest)를 기반으로 여러 지역을 하나의 모델로 예측할 수 있는 기법을 제안한다. 이 기법은 기상이나 감염병 발생 수 등 여러 데이터를 수집하고 전처리하여 입력변수를 구성한 다음, 랜덤 포레스트를 통해 지역별로 하루 단위의 감염병 발생 수를 예측한다. 제안하는 기법의 성능 평가를 위해, 수두와 쯔쯔가무시증을 대상으로 다른 앙상블 모델과 예측 성능을 비교하였다. 실험 결과, 지역별 하루단위 감염병 발생 예측에 있어 제안하는 기법이 다른 앙상블 모델보다 우수한 성능을 보였다.
|
