2025-1 기계학습 팀 프로젝트 : 제주도 도로 교통량 예측 관광지의 교통량 정보를 예측하는 기계학습 모델 제작 구현 목표 산업 현장에서 활용할 수 있는 수준 데이터셋 train : 2022년 7월 이전의 제주도 도로 교통량 데이터, 약 440만 개 test : 2022년 7월의 제주도 도로 교통량 데이터, 약 27만 개 taget : 평균 차량 속도(km/h) feature : 연속형 변수와 범주형 변수가 존재하는 교통 관련 정보 출처 : DACON 제주도 도로 교통량 예측 AI 경진대회 모델 1차 모델 MAE MSE RMSE R2 KNN 3.799 29.236 5.407 0.885 Linear Regression 6.8559 47.0039 4.9718 0.7780 Classification Tree 3.447 27.571 5.251 0.891 Random Forest Regressor 3.127 20.197 4.494 0.920 2차 모델 MAE MSE RMSE R2 XGBoost 2.9367 18.0776 4.2518 0.9289 CatBoost 3.4431 23.3986 4.8372 0.9081 Light GBM 2.9699 18.5081 4.3021 0.9273 최종 모델 MAE MSE RMSE R2 Ensemble 2.8071 15.9711 3.9964 0.9373 모델 MAE MSE RMSE R2 최종 모델 4.1549 34.9864 5.9149 0.8247 결과 분석 Ensemble 모델이 가장 뛰어난 성능을 보임. test 데이터의 시간적 편향과 과적합 문제를 해결하는 것이 필요함. 기상 상황 등 교통량에 영향을 미치는 변수를 추가하고 불필요한 변수를 제거하면 더 좋은 성능의 모델을 만들 수 있을 것으로 생각함. 팀원 youngwookimm AnJooHyung p-junseo