이 프로젝트는 사용자의 기호에 맞는 커피 원두를 추천해주는 프로그램입니다.
| 이름 | 역할 | 담당 |
|---|---|---|
| 한수빈 | 팀장 | 보고서 작성 및 발표 |
| 이규린 | 팀원 | 자료조사 및 PPT 제작 |
| 김준영 | 팀원 | 코드 작성 및 프로그램 구현 |
| 전원 | 공통 | 주제 선정, 데이터 탐색 및 전처리, 결과 분석 |
- Java 21
- Weka 3.8.6
- RandomForest Classify Algorithm
-
데이터셋 설명: 이 프로젝트는 커피 원두의 정보와 특성 별 전문가들의 평가가 포함된 데이터셋을 사용합니다.
-
주요 속성 추출: 원두 추천에 적합하다고 판단되는 6가지 속성만을 추출하여 사용했습니다.
Flavor, Aftertaste, Acidity, Body, Balance, Sweetness -
클래스 생성: 더 자세한 추천을 위해 원산지인 Origin과 품종인 Variety를 합쳐 Origin_Variety를 클래스로 설정했습니다.
-
결측치 처리: 결측치는 삭제하여 처리했습니다.
-
일부 클래스 삭제: 인스턴스 수가 적은 클래스는 학습이 불충분해 성능을 저하시키는 관계로 삭제하였습니다.
-
학습 데이터 조정: 러닝 커브 분석을 통해 학습 데이터를 전체의 80%로 크기 조정했습니다. (조정 후 인스턴스 수 : 468)
전처리를 거친 데이터셋의 최종 인스턴스 수는 468개이며, 클래스 값은 다음과 같습니다.
- Guatemala Bourbon
- Mexico Typica
- Mexico Bourbon
- Colombia Caturra
- Mexico Caturra
- Guatemala Caturra
- 모델 선택: 사용자의 선호도에 맞는 커피 원두를 추천하기 위해 랜덤 포레스트(Random Forest) 알고리즘을 사용했습니다.
프로젝트에서 사용한 데이터셋은 특정 범위에 속성 값이 편중되어있습니다.
Random Forest는 여러 개의 하위 샘플을 종합하여 예측하며, 데이터가 밀집된 영역에서도 복잡한 경계나 패턴을 찾아낼 수 있습니다.
따라서 다른 알고리즘과 비교했을 때 데이터셋의 단점을 보완할 수 있을 것이라고 판단했습니다.
- 모델 학습: 훈련 데이터를 사용하여 모델을 학습시키고, 사용자의 선호도에 가장 가까운 커피 원두를 예측합니다.
-
모델 성능 평가: 성능을 평가하기 위한 지표로 정확도, f1-score(정밀도와 재현율의 조화 평균) 을 사용했습니다.
-
교차 검증: 10-fold cross-validation을 통해 모델을 평가했습니다.
-
러닝 커브: J48 결정 트리와 Random Forest 두 알고리즘을 대상으로 정확도 및 f1-score를 측정하고 러닝커브로 나타냈습니다.
모든 지표에서 J48은 학습 데이터셋 20%에서 급감하는 모습을 보였고, 전반적으로 Random Forest의 성능이 더 좋음을 확인할 수 있습니다. 또한 학습 데이터셋의 크기를 80%로 조정하는 것이 도메인에 가장 적합하다는 것을 확인할 수 있습니다. -
ANOVA: 80%로 조정한 학습 데이터셋에서 ANOVA 검정을 진행했습니다.
모든 지표에서 F-측정값이 F-기각치 보다 큰 것을 확인할 수 있습니다. 따라서 귀무 가설을 기각함과 동시에 러닝커브에서 확인한 두 알고리즘 간의 성능 차이가 유의미하다는 것을 알 수 있습니다. 따라서 Random Forest 알고리즘을 사용하여 전체 데이터셋의 80%로 학습하는 것이 좋다고 할 수 있습니다.
- 전처리 과정에서 상당 수의 인스턴스를 삭제하여 학습 데이터가 부족합니다.
- 추천해줄 수 있는 원두의 종류가 6개로 제한되어있습니다.
- 원두 전문가가 아니기에 신뢰성이 떨어집니다.
-
모델 성능: 최종 모델은 사용자의 선호도에 맞는 커피 원두를 약 52%의 정확도 로 추천하는 데 성공했습니다.
이는 사용자가 클래스의 6가지 원두 중 무작위로 고르는 것보다 본 모델을 사용하는 것이 더 큰 만족감을 제공해 줄 수 있음을 의미합니다. -
향후 개선 사항: 모델의 성능을 더욱 향상시키기 위해 모델의 파라미터 조정, 데이터셋 보충, 원두 전문가 자문 등을 고려할 수 있습니다.