AI 부트캠프 8주 : Section 2 Project

February 9, 2023

image-right

AI 부트캠프 8주차 : Section 2 Project

부트캠프를 시작한지 벌써 두 달 가까이 지나갔다.
그리고 시작한 두 번째 프로젝트.
두 번째 프로젝트는 자유주제였다.
주제선정, 데이터 선정 부터 분석, 발표까지 ‘알아서’ 해야 한다.

주간회고

더 공부가 필요한 부분

머신러닝을 프로젝트에 적용할 때 프로젝트에 알맞은 데이터, 모델, 해석, 시각화가 다른 것 같다.
다양한 프로젝트를 경험하고 싶다.

5F 회고

사실(Fact)
머신러닝 프로젝트의 기획부터 발표까지의 과정을 얕게나마 경험하였다. 제출된 모든 동료들의 발표영상을 시청하였다.
느낌(Feeling)
정말 다양한 머신러닝의 주제가 있고, 창의적이고 새로운 전처리, 모델링, 분석 방법이 있음이 놀라웠다.
교훈(Finding)
나는 학습하며 배운 것만 반복 연습했는데, 그래서 창의력이 떨어지는 결과물이 나온것 같다.
향후 행동(Future action)
창의력은 성장의 원동력이 되기 때문에 조금 더 새로움을 시도해 보자.
피드백(Feedback)
발표 PPT의 가독성을 높이면 좋겠다는 피드백을 받았다.
중요특성 갯수를 왜 4개로 선정했는지에 대한 질문을 받았다.

완성영상 보기

프로젝트 계획 및 과정

1. 프로젝트 계획

날짜	내용
1/31 (화)~2/2 (목)	• 프로젝트 준비✅ • 주제 선정 • 데이터 탐색
2/3 (금)	• 프로젝트 START🚀 • 관련 아티클 검색
2/4 (토)	• 데이터 전처리
2/5 (일)	• Feature Engineering • 탐색적 데이터분석
2/6 (월)	• 모델링 • 하이퍼파라미터 튜닝 • 머신러닝 모델해석
2/7 (화)	• PPT 슬라이드 작성 • 스크립트 작성
2/8 (수)	• 영상촬영 • 최종 제출🚩

2. 주제선정

상황 가정
- 인공지능 데이터를 기반으로 건축을 하는 ‘AI건설’은 직원이 3,000명 정도 되는 대기업이다.
- 회사의 직원들은 ‘현장 건설 직원’, ‘건축 자제 대형마트 직원’, ‘컴퓨터 데이터분석 직원’ 3분야의 직원들이 있다.
- 3가지 산업분야의 직원들이 섞여있기 때문에 똑같은 포상제도에 불만을 가지고, 핵심인력이 회사에서 퇴사하는 문제가 생겼다.
- 3가지 산업분야의 직원들에게 효과적인 포상제도를 마련하여 한정된 자원안에서 효과적으로 직원이탈을 줄이고자 한다.
- 이를 위하여 머신러닝을 통하여 각 분야의 직원들에게 효과적인 포상제도는 무엇인지 분석하고 제안하고자 한다.

3. 주제관련 아티클 조사

포상의 의미
- 포상은 다양한 수요를 반영하고 칭찬과 격려, 모범사례의 확대라는 긍정적 의미를 지니지만, 포상이 남발되거나 대상자가 제대로 선정되지 않을 경우 포상의 권위와 신뢰성이 떨어지는 문제가 발생함
- 포상은 '보상'과는 다르다.
- ‘보상’은 행위에 대한 금전적 보상의 의미가 강하지만, 포상은 조직의 목표 달성을 위한 인센티브의 의미가 강하다.
- 직원들에게 효과적으로 포상 주는 핵심방법 3가지 포인트
  - 포상을 할 때 중요한 3가지
    - 비 현금성 포상
    - 비균일성 포상
    - 비제도성 포상
  - 효과적인 포상이 되려면
    - 실용보다 더 큰 명예로움을 포상
    - 실물보다 더 큰 감사를 포상
    - 실무자의 업무가 아닌 경영자의 리더십으로 포상
- 소속감 다지는 인센티브 여행, 가장 효과적인 직원 포상 방법

4. 데이터 선정

한국노동패널 데이터 원자료
- 한국노동패널조사(Korean Labor and Income Panel Study: KLIPS)는 우리나라에서 가장 오래된 패널조사 가운데 하나
- 도시지역에 거주하는 가구와 가구원을 대표하는 패널표본 구성원을 대상으로 1년에 1회씩 조사를 실시하여 1998년 1차 조사를 시작으로 2021년 24차 조사까지 완료된 신뢰성있는 데이터이기 때문에 본 연구에 적합함
- 각 산업분야 근로자들의 근로관련 특성과 직무만족도, 생활만족도와 같은 본 연구를 위한 특성이 존재하여 본 연구에 적합함

5. 데이터 전처리

데이터 준비
- 데이터를 불러와 객체로 저장

# 노동패널 조사 차수 리스트
wave_list = [ 
    '01', '02', '03', '04', '05', '06', '07', '08', '09', '10', \
    '11', '12', '13', '14', '15', '16', '17', '18', '19', '20', \
    '21', '22', '23', '24'
    ]

# Read Data
for i, val in enumerate(wave_list):
  globals()[f'klips_{val}_raw'] = pd.read_stata(path_data + f'klips{val}p.dta')

전체 column : 16,169 개
전체 case : 348,029 개
‘복리후생 관련 문항’이 4차년도부터 조사되었기 때문에 4차년도 이후만 사용
특성 선택
- 기본 특성, 가구 정보, 기업형태 및 규모관련 문항, 근로계약 관련 문항, 근로시간 관련 문항, 임금 및 소득 관련 문항, 노조관련 문항, 복리후생 관련 문항, 요인별 직무만족도, 기술 적합도 및 향후 일자리 전망, 직업훈련 관련 문항, 자격증 관련 문항, 혼인관련 문항, 만족도 관련 문항
케이스 선택
- 8차 한국표준산업분류
- 컴퓨터 직군 : 정보처리 및 기타 컴퓨터 운영 관련업
  - 721, 722, 723, 724, 729
- 판매업 직군 : 소매업
  - 521, 522, 523, 524, 525, 526
- 건설업 직군 : 종합 건설업
  - 451, 452
특성공학
- 타겟 : 생활만족
- 교육수준 : 초등학교 이하, 중학교, 고등학교, 전문대, 대학교, 석박사
- 거주지역 : 수도권(서울,인천,경기도), 비수도권
- 소득 : 평균 월 급여액
- 재직기간 : 취업일부터 현재까지의 경과 날짜
object 데이터타입을 category 데이터타입으로 변경
- category 데이터타입으로 순서 지정
- 메모리 사용량 감소

변환 전 메모리 사용량 :  6,392,838
변환 후 메모리 사용량 :  1,775,009

6. 탐색적 데이터분석

탐색적 데이터분석
- 타겟 : ‘만족한다’라고 응답한 비율 37%
  - 약하게 타겟이 불균형 함
- 숫자형 변수
  - 데이터 분포
    - 편향된 분포가 보이지만 분류문제에서는 데이터의 분포가 성능에 크게 영향을 미치지
  - 타겟에 따른 데이터 분포1
    - 이상치가 일부 보이지만 우려할 수준은 아님
  - 타겟에 따른 데이터 분포2
    - 나이, 소득 등에서 타겟의 분포가 다르게 나타남
    - 타겟의 분포가 다른 특성이 주요한 특성으로 예상 됨
  - 직업군에 따른 데이터 분포
    - 직업군에 따른 데이터분포가 서로 다르게 나타남
  - 타겟과 직업군에 따른 데이터 분포
    - 직업군에 따른 타겟의 데이터분포가 서로 다르게 나타남
    - 가설 ‘직업군에 따라 만족스런 포상이 다를 것’을 예측할 수 있음
```
col_num = 3 # 세로 열 갯수 지정
row_num = (len(numeric_features) // col_num) + 1

fig = plt.figure(figsize=(col_num*6, row_num*4))
# fig.suptitle('Numeric Features by Job', fontsize = 24, fontweight = 'bold', y = 0.9)

for i, feature in enumerate(numeric_features) :
    ax = plt.subplot(row_num, col_num, i+1)
    sns.violinplot(data=df, x=df['work_industry'], y=feature, hue=target, split=True, palette = sns.color_palette('pastel'))
    i += 1

plt.subplots_adjust(right=0.85, left=0.15, top=0.85, bottom=0.15, wspace=0.3, hspace=0.2) # 그래프 간격 조절
plt.show()
```
- 문자형 변수
  - 막대그래프
    - 교육수준에 따른 타겟의 분포가 다르게 나타남
  - 바이올린 그래프
    - 성별도 타겟의 분포가 다르게 나타날 수 있음
  - 요인별 직무만족도 그래프
    - 요인별 직무만족은 타겟을 예측하는 주요한 특성임
- 상관관계
  - 특성사이에 강한 상관관계가 있는 부분이 있음
  - 복지유무 특성들, 직업교육과 직업스킬
  - 특성 사이의 강한 상관관계는 잘못된 예측을 할 수 있기 때문에 처리

7. 모델링

데이터 분할 2way hold out
- train 8, test 2
기준모델 : 최빈값
- 정확도 : 0.633, ROC-AUC : 0.5
모델 선정
- Logistic Regression
  - 분류모델의 가장 전통적인 방법
  - 선형회귀에 시그모이드 함수 적용
- Decision Tree
  - 나무기반 모델들의 기본
  - 타겟 데이터의 불순도를 최소화
- Random Forest
  - 앙상블 베깅기법의 대표
  - 복원 추출된 샘플로 여러 모델을 병렬적으로 학습하여 합치는 과정
- AdaBoost
  - 앙상블 부스팅 기법
  - 순차적으로 학습
  - 잘못 분류된 관측치에 가중치를 부여하여 잘 분류 되도록 보완
- XGBoost
  - 앙상블 부스팅 기법
  - 순차적 학습
  - 잔차를 학습하여 잔차가 큰 관측치를 더 학습하여 보완
기본값 모델

# Default Model Pipes

# https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
lr_pipe = make_pipeline(
                        OrdinalEncoder(),
                        StandardScaler(),
                        LogisticRegression(random_state = rand_seed
                                           , class_weight   = 'balanced'
                                           ),
                        )

# https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier
dt_pipe = make_pipeline(
                        OrdinalEncoder(),
                        DecisionTreeClassifier(random_state = rand_seed
                                               , class_weight   = 'balanced'
                                               ),
                        )

# https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html#sklearn.ensemble.RandomForestClassifier
rf_pipe = make_pipeline(
                        OrdinalEncoder(),
                        RandomForestClassifier(random_state = rand_seed
                                               , class_weight   = 'balanced'
                                               ),
                        )

# https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html#sklearn.ensemble.AdaBoostClassifier
ad_pipe = make_pipeline(
                        OrdinalEncoder(),
                        StandardScaler(),
                        AdaBoostClassifier(random_state = rand_seed
                                           ),
                        )

# https://xgboost.readthedocs.io/en/latest/parameter.html
xg_pipe = make_pipeline(
                        OrdinalEncoder(),
                        XGBClassifier(random_state = rand_seed
                                      , scale_pos_weight    = all_y_train.value_counts()[0] / all_y_train.value_counts()[1]
                                      ),
                        )

model_list        = ['Logistic Regression', 'Decision Tree', 'Random Forest', 'Ada Boost', 'XGB']
score_list        = ['Accuracy', 'F1', 'AUC']
model_initial     = ['lr', 'dt', 'rf', 'ad', 'xg']

# 모델 학습
for i, model in enumerate(model_initial) :
    print(f'✅ {model_list[i]}')
    globals()[f'{model}_pipe'].fit(all_X_train, all_y_train)
    globals()[f'{model}_pipe_score_def'] = print_score(globals()[f'{model}_pipe'], all_X_train, all_y_train)

불균형한 타겟을 처리하기 위한 파라미터 추가
- Logistic Regression : L2 패널티 정규화 기본값
- AdaBoost : Decision Tree max_depth=1 기본값
- XGBoost : max_depth=6 기본값

image-right

하이퍼파라미터 튜닝1
- 러닝커브
  - Logistic Regression
    - C : 기본설정된 L2패널티의 정규화 강도, 작을수록 강한 정규화
    - 기본값 1 유지
  - max_depth
    - 결정나무의 최대 깊이, 클수록 과적합이 우려
    - Decision Tree : 약4에서 최적화, 7이 넘어가면 과적합 우려
    - Random Forest : 약5에서 최적화, 8이 넘어가면 과적합 우려
    - AdaBoost : 1에서 최적화, 기본값 유지
    - XGBoost : 약3에서 최적화, 5 넘어가면 과적합 우려
- RandomizedSearchCV
  - GridSearchCV는 지정한 파라미터의 모든 조합을 검색
    - 찾고자 하는 파라미터의 범위가 넓을 경우 시간이 오래걸림
  - 처음 분석하는 데이터이기 때문에 폭넓은 범위를 효율적으로 찾을 수 있는 RandomizedSearchCV 선택
  - Decision Tree : max_depth: 5
  - Random Forest : max_depth: 8
  - XGBoost : max_depth: 5
- Random Forest, XGBoost는 과적합 여지가 있음
하이퍼파라미터 튜닝2
- 러닝커브
  - Random Forest
    - min_samples_leaf : 리프노드에 필요한 최소 샘플 수, 클수록 모델 단순화
  - XGBoost
    - min_child_weight : 하위 항목(child)에 필요한 최소한의 객체 가중치(weight), 클수록 모델 단순화
- RandomizedSearchCV
  - Random Forest
    - min_samples_leaf: 1
    - max_depth: 7
  - XGBoost
    - min_child_weight: 64
    - max_depth: 6
최종모델
- Accuracy, F1, ROC-AUC 에서 고르게 높은 점수를 기록한 Random Forest, XGBoost을 최종 모델로 선택
- 평가데이터셋에 최종모델 학습
- 기준모델보다 성능이 뛰어난 최종모델

8. 모델 해석

모델 해석

3가지 직업군 타겟 확인

image-right

3가지 직업군에 따라 모델 학습

# rf_max_depth            7
# rf_min_samples_leaf     1
# xg_max_depth            6
# xg_min_child_weight    64
def rf_pipe_fit(X_train, y_train):
    """ Random Forest Classifier 파이프를 만들고 모델에 학습하는 함수 """
    rf_pipe = make_pipeline(
                    OrdinalEncoder(),
                    RandomForestClassifier(random_state       = rand_seed
                                          , class_weight      = 'balanced'
                                          , max_depth         = int(best_params_read.loc['rf_max_depth'][0])
                                          , min_samples_leaf  = int(best_params_read.loc['rf_min_samples_leaf'][0])
                                          ),
                    )
    return rf_pipe.fit(X_train, y_train)

def xg_pipe_fit(X_train, y_train):
    """ XGBClassifier 파이프를 만들고 모델에 학습하는 함수 """
    xg_pipe = make_pipeline(
                    OrdinalEncoder(),
                    XGBClassifier(random_state          = rand_seed
                                  , scale_pos_weight    = y_train.value_counts()[0] / y_train.value_counts()[1]
                                  , max_depth           = int(best_params_read.loc['xg_max_depth'][0])
                                  , min_child_weight    = int(best_params_read.loc['xg_min_child_weight'][0])
                                  ),
                    )
    return xg_pipe.fit(X_train, y_train)

모든 직군에서 ‘월평균소득’과 ‘혼인상태’는 공통으로 중요한 특성

# 컴퓨터 직업군 소득, 혼인상태
com_pdp = PartialDependenceDisplay.from_estimator(com_rf_step_model, com_rf_X_test_enc, ["income", "marriage"], ax=ax, line_kw={"color": "blue"})
# 판매업 직업군 소득, 혼인상태
ret_pdp = PartialDependenceDisplay.from_estimator(ret_rf_step_model, ret_rf_X_test_enc, ["income", "marriage"], ax=ax, line_kw={"color": "red"})
# 건설업 직업군 소득, 혼인상태
bld_pdp = PartialDependenceDisplay.from_estimator(bld_rf_step_model, bld_rf_X_test_enc, ["income", "marriage"], ax=ax, line_kw={"color": "orange"})

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))
com_pdp.plot(ax=[ax1, ax2], line_kw={"label": "com_pdp", "color": "blue"})
ret_pdp.plot(ax=[ax1, ax2], line_kw={"label": "ret_pdp", "color": "red"})
bld_pdp.plot(ax=[ax1, ax2], line_kw={"label": "bld_pdp", "color": "orange"})

ax1.set_ylim(0.35,0.65)
ax2.set_ylim(0.3,0.6)

ax1.legend(['Computing Data', 'Retail', 'Building'])
ax2.legend(['Computing Data', 'Retail', 'Building'])

image-right

컴퓨터 직군 중요 특성
- 요인별직무만족도-6.개인의발전가능성
- 요인별직무만족도-8.인사고과의공정성

image-right

판매업 직군 중요 특성
- 요인별직무만족도-7.의사소통및인간관계
- 요인별직무만족도-4.근무환경

image-right

건설업 직군 중요 특성
- 요인별직무만족도-3.하고있는일의내용
- 요인별직무만족도-5.근로시간

image-right

직군별 가장 중요한 특성
- 컴퓨터 직군 : ‘직무만족도-6.개인의발전가능성’
- 판매업 직군 : ‘직무만족도-7.의사소통및인간관계’
- 건설업 직군 : ‘직무만족도-3.하고있는일의내용’

image-right

건설업 관력 직군의 ‘직무만족도-3.하고있는일의내용’ - ‘직무만족도-5.근로시간’

image-right

9. 결론

모든 직업군에서 공통으로 ‘소득’과 ‘혼인상태’는 ‘만족한다’라고 응답할 확률을 올리는 중요한 특성
- 평균 소득이 낮은 ‘판매직’📌에게 ‘소득’을 올려주는 포상이 다른 직군보다 효과적으로 예상 됨
- 싱글 비율이 가장 높은 ‘건설직’🎉에게 ‘혼인상태’를 개선해주는 포상이 다른 직군보다 효과적으로 예상 됨
컴퓨터 직군
- ‘개인의 발전가능성’, ‘인사고과의 공정성’이 중요한 특성
- 공정한 성과급을 지급하고, 각종 연수나 교육 등이 효과적으로 예상 됨
판매업 직군
- ‘의사소통 및 인간관계’, ‘근무환경’이 중요한 특성
- 직장 내 소통을 원활하게 할 수 있는 각종 단합대회, 근무환경을 개선시킬 수 있는 환경개선 사업 등이 효과적으로 예상 됨
건설업 직군
- ‘하고 있는 일의 내용’, ‘근로 시간’이 중요한 특성
- 업무 순환제도를 이용하거나, 조기퇴근 등이 효과적으로 예상 됨
한계점
- 타겟인 ＇전반적 생활만족＇과 포상제도의 연관성 부족
  - 선행연구 조사를 통하여 ＇포상제도＇와 ＇만족도＇의 관계 연구 필요
- 모델 최적화가 부족
  - 데이터에 맞는 알맞는 하이퍼파라미터 튜닝 노력
  - 서포트벡터머신 등 새로운 알고리즘 적용 필요
- 패널데이터의 통합분석
  - 시계열 특성을 통제해야 함

끝까지 읽어주셔서 감사합니다😉

Twitter Facebook LinkedIn URL 복사

이연준

AI 부트캠프 8주 : Section 2 Project

AI 부트캠프 8주차 : Section 2 Project

주간회고

더 공부가 필요한 부분

5F 회고

완성영상 보기

프로젝트 계획 및 과정

1. 프로젝트 계획

2. 주제선정

3. 주제관련 아티클 조사

4. 데이터 선정

5. 데이터 전처리

6. 탐색적 데이터분석

7. 모델링

8. 모델 해석

9. 결론

끝까지 읽어주셔서 감사합니다😉

공유하기

댓글남기기

참고

PinMode Input & Output

RaspberryPi by C# .NET

Google API & C#

코노텍 온도제어기(DXFOX-XR10)