-
[Knime]프로젝트_3 의사결정나무 모델 생성데이터 분석/빅데이터 프로젝트 2022. 5. 2. 23:51
의사결정나무
각 변수들이 모델 생성에 끼치는 영향을 대략적으로 살피기 위해 의사결정나무 진행
crew 변수가 제한적인 환경, 예를 들어 고정된 항공기 조종사 구성원에게서 예측을 하기 위해서는 긍정적인 예측 요소가 될 수 있다고 생각했다. 그래서 crew 변수를 포함한 모델과 포함하지 않은 모델 두 개 모두 진행해보았다.
결과적으로 모델의 성능 차이는 크지 않았다.
뇌파가 주된 영향력을 끼치리라는 나의 예상과는 다르게 조종사의 상태 분류에 주된 영향력을 미치는 변수들은 gsr, ecg
r, time 변수였다.
eeg 변수들의 영향력에 대해 좀 더 알아보고자 eeg 변수만을 남기고 의사결정나무를 진행해보았다.
eeg변수만이 사용된 의사결정나무 모델은 매우 성능이 좋지못했다.
결과
위의 과정을 통해 분류를 위한 주된 변수에 대해 파악할 수 있었다. 그리고 활용한 데이터를 이용한 의사결정나무 모델이 높은 성능을 보인다는 점에서 목적을 위한 모델로서 의사결정나무 모델을 선택하는 것이 적절할 수 있겠다.
'데이터 분석 > 빅데이터 프로젝트' 카테고리의 다른 글
[Knime]프로젝트_4 로지스틱 회귀 모델 생성 (0) 2022.05.03 [Knime]프로젝트_2 EDA (0) 2022.04.29 [Knime] 프로젝트_1 데이터 개요 (0) 2022.04.28 [이론][머신러닝] 기계학습을 위한 거리 (0) 2022.04.18 [이론]Study on Decision Tree (0) 2022.04.14