Random Forest with Grid Search

간단 소개

항공편 예약 데이터셋을 이용한 랜덤 포레스트 모델 구축 및 성능 개선, 주요 예측 요인 분석.

AI Summary

데이터 전처리 및 모델 구축
- 항공편 예약 데이터셋을 사용하여 랜덤 포레스트 모델을 구축하고, 원-핫 인코딩으로 범주형 변수를 처리하고, 오버샘플링으로 불균형 데이터를 해결했습니다.
- 훈련 및 테스트 데이터 분리를 통해 모델 성능 평가의 신뢰성을 확보했습니다.
모델 성능 개선 및 분석
- 초기 모델은 84%의 정확도를 보였으나, 재현율과 정밀도가 낮아 하이퍼파라미터 튜닝을 진행, F1 점수가 0.366으로 향상되었습니다.
- 특성 중요도 분석 결과, 출발 요일, 출발지, 비행 시간, 체류 기간, 판매 채널이 주요 예측 요인임을 확인했습니다.
결론
- 불균형 데이터의 효과적인 전처리, 하이퍼파라미터 튜닝, 특성 중요도 분석을 통해 랜덤 포레스트 모델의 성능을 개선했습니다.
- 이러한 분석은 실제 항공편 예약 예측 문제에 유용한 정보를 제공할 수 있습니다.