[Knime]프로젝트_3 의사결정나무 모델 생성

2편 : https://ford.tistory.com/24

의사결정나무

각 변수들이 모델 생성에 끼치는 영향을 대략적으로 살피기 위해 의사결정나무 진행

Experiment, Crew 변수 제외 모델

Experiment 변수 제외 모델

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.

Experiment, Crew 변수 제외 모델 성능

Experiment 변수 제외 모델 성능

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.

egg변수만 사용된 모델

eeg변수만 사용된 모델 성능

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.