빠른 독립 성분 분석 및 주성분 분석을 이용한 보스턴 주택 가격 예측력 비교연구

Abstract

본 연구에서는 보스턴 주택 가격 데이터셋을 분석하여 주성분 분석(PCA) 및 빠른 독립 성분 분석(FastICA)이 주택 가격 예측에 있어서 기계 학습 모델의 성능에 미치는 영향을 평가하였다. 특히, 원본 데이터셋과 PCA 및 FastICA로 변환된 데이터셋에 선형 회귀, 서포트 벡터 회귀(SVR), 랜덤 포레스트(Random Forest) 모델을 적용하였다. 모델의 적합도는 𝑅2로 평가하고, 예측 성능은 평균 제곱근 오차(RMSE)와 평균 절대 오차(MAE)를 사용하여 비교하였다. 원본 데이터셋을 사용한 랜덤 포레스트 모델은 PCA 및 FastICA로 변환된 데이터셋을 사용한 모델들에 비해, 특히 RMSE가 낮음(3.285에 비해 PCA는 3.961, FastICA는 4.357), 𝑅2가 높음(0.876에 비해 PCA는 0.827, FastICA는 0.772), MAE가 낮음(2.158에 비해 PCA는 2.581, FastICA는 2.924) 등의 면에서 더 우수한 성능을 보였다. PCA 적용은 예측 정확도를 비슷한 수준으로 유지하면서 차원을 축소하는 데 효과적임을 시사했다. 그러나 FastICA 적용한 선형 회귀, SVR, 랜덤 포레스트에서 예측 성능이 현저히 감소하였으며, 이는 차원 축소 과정에서 중요한 정보의 손실이 원인일 수 있다. 본 연구는 차원 축소 기법의 선택이 주택 가격 예측 모델의 성능에 어떠한 영향을 미치는지를 탐구한다.