팀원 & 담당파트

분석목표

- 코로나와 경제 데이터를 통해 다음날 코로나 확진자를 예측하는 모델 생성
- 초기 예측이 어려운 시계열 데이터를 통한 모델이 아닌 다양한 데이터를 통한 모델 생성

분석방법

- 정부 발표자료를 통한 데이터 수집 및 전처리
- 시각화를 통한 데이터 분석
- 코로나 데이터를 적용한 모델 생성
  → 회귀분석을 통한 예측(OLS모델을 통한 최적화로 Decision Tree 모델 적용)
- 코로나 + 경제 데이터를 적용한 모델 생성
  → 회귀분석을 통한 예측(OLS모델을 통한 최적화로 Decision Tree 모델 적용)
- 하이퍼파라미터 튜닝, 앙상블 기법을 통해 최적화 시도

분석결과

- 코로나 데이터 적용 예측 모델
   → OLS R-Squared : 0.937 / Tree R-Squared : 0.994, MAE : 2599
- 코로나 + 경제 데이터 적용 예측 모델
   → OLS R-Squared : 0.938 / Tree R-Squared : 0.994, MAE : 2378.657
- 하이퍼파라미터 튜닝 / Voting 적용
   → R-Squared : 0.99385, MAE : 3063.053 / 0.99301, MAE : 2971.491
- 최종 모델(코로나 + 경제 데이터에 p-value 높은 컬럼 제거한 모델)
   → OLS R-Squared : 0.938 / Tree R-Squared : 0.994, MAE : 2378.657

사용기술 및 개발환경

- 데이터 출처: 코로나 정부 사이트, 정부 발표자료 참고, 야후(경제)
- 수집방법: csv 파일 다운로드
- 개발도구 : pandas, numpy, seaborn, calendar, sklearn
- 개발언어 및 프레임워크 : python