📑Table of Contents
- 팀 소개
- 프로젝트 개요
- 기술 스택
- 데이터셋 정보
- 데이터 전처리 과정
- EDA
- 모델링 및 성능평가
- Conclusion & Discussion
- 회고
 |
 |
 |
 |
 |
|---|---|---|---|---|
| 고아라 | 정재훈 | 김은우 | 나혜린 | 박수영 |
 |
 |
 |
 |
 |
주제:🌲기상 데이터를 활용한 ML 기반 산불 발생 예측 및 예방 솔루션(Meteorological Data-Driven ML Model for Forest Fire Prediction and Prevention)
본 프로젝트는 데이터 기반의 의사결정을 통해 사회적 난제를 해결하고자 하는 고민에서 시작되었다.
1. 데이터 분석의 실전적 확장
이전 EDA과정에서 다루었던 기상데이터를 보다 실질적인 사회적 이슈에 연결해보고자 했다. 단순 상관분석을 넘어, 머신러닝 모델링을 통해 실제 현장에서 활용 가능한 '예측 시스템'으로 확장하는 것을 목표로 삼았다.
2. 산불 위기 대응을 위한 예방 체계의 필요성
최근 기후변화로 인한 건조지수 상승과 강풍, 그리고 인위적 요인으로 인해 발생한 대형 산불은 더이상 특정 지역의 사고가 아닌 국가적인 구조적 재난이 되었다. 산불로 인한 인명, 재산, 환경피해가 반복적으로 언론에 보도되고 있는 현재, 산불 피해 규모와 회복 비용, 그리고 그 여파가 지역사회와 생태계에 미치는 장기적 영향에 주목하게 되었고, 데이터 분석 역량을 활용해 이 문제에 기여할 수 있는 방법을 고민하게 되었다.
[10년간 산불발생 현황]
[10년간 원인별 산불발생 현황]
[10년간 지역별 산불발생 현황]
[10년간 지역별 산불발생 최대발생지역 Top 3 & 최대피해지역 Top 2]
[지역별 산불 피해현황 - 2026년 1~2월]
 |  |
[원인별 산불발생 통계 - 2026년 1~2월]
 |  |
[자료출처: 산불 발생 데이터: 산림청 산불정책기술플랫폼 실시간 산불 정보]
-> 산불 위기대응: 대형 산불에 대한 원인 데이터 기반의 예방 및 경보 체계 필요성 증대
3. 실용적 가치 창출: 기술에서 솔루션으로
이에 본 프로젝트는 과거 기상 및 산림 정보를 통합 분석하여 산불 발생 가능성을 사전에 예측하였다.
이를 통해:
-
행정 현장의 자원 최적화: 인력과 장비를 고위험 지역에 선제적으로 배치할 수 있도록 지원
-
피해 최소화: 데이터에 기반한 정밀한 경보 시스템을 구축하여 초기 진화 성공률을 높이고, 산림 자원 및 인명 손실을 막는 유의미한 솔루션을 제공하고자 함
Models Used: Decision Tree, Random Forest, Gradient Boosting, XGBoost, LightGBM
- [뉴시스] "산불 막아라"…강원, 대형산불 대비 선제적 대응 체계 가동
- [연합뉴스] 동해안 대형산불 방지대책 마련…진화 헬기·인력 집중 배치
- [강원도민일보] 기후변화가 부른 재난…이제 산불은 사계절 구조적 위험
- [위키백과] 2022년 울진-삼척 산불 정보 (역대 최대 규모)
- [YTN 뉴스] 역대 최악 산불...실화자, 처벌 물론 배상책임 (YouTube)
- 산불 발생 데이터: 산림청 산불정책기술플랫폼 실시간 산불 정보
- 기상 데이터: 기상청 공공데이터포털 ASOS/AWS 관측 데이터
- 지역별 경지면적: KOSIS 국가통계포털 - 전국(도별) 논밭별 경지면적
- 산림 면적 정보: KOSIS 국가통계포털 - 산림면적 통계
- 인구 밀도 데이터: KOSIS 국가통계포털 - 인구밀도(시도별)
- 분석 논리: 국립산림과학원(NIFoS), 2025년 산불 제대로 알기
- 지리 데이터 기준: 통계청 시도별 행정구역 및 지목별 면적 통계 기준 적용
-
EDA 단계: 결측치/이상치 탐색, 기상 변수 분포·계절성 파악, 산불 발생 시기·지역 히트맵 등 현상 이해 중심의 분석 수행.
-
ML 단계: 날짜·행정구역 기준으로 모든 데이터셋을 통합하고, 파생 변수 (실효습도, 농지비율, 도시산림 인접지수) 생성, 결측치 보간·평균 대체, SMOTE로 클래스 불균형을 보정해 모델 학습에 최적화된 형태의 피처 세트 구축
| 번호 | 처리 내용 | 사용 데이터 | 처리 목적 | 세부 설명 |
|---|---|---|---|---|
| 1 | 산불 데이터 로드 | sanbul.xlsx | 산불 발생 정보 확보 | 산림청 산불 발생 원자료 로드 |
| 2 | 시도 컬럼명 통일 | 산불 데이터 | 데이터 결합 준비 | 기상 데이터와 공간 단위 통일 |
| 3 | 발생일시 생성 | 산불 데이터 | 시간 단위 정규화 | 연·월·일 컬럼 결합 |
| 4 | 산불 발생 여부 변수 생성 | 산불 데이터 | 종속변수(Y) 정의 | 발생 시 1 |
| 5 | 기상 데이터 로드 | weather CSV | 기상 변수 확보 | 기온·습도·강수·풍속 load |
| 6 | 강수량, 최심적설 결측치 처리 | 기상데이터 | 통계 신뢰성 확보 | 결측치 0으로 처리 |
| 7 | 기온, 풍속 결측치 처리 | 기상데이터 | 통계 신뢰성 확보 | 결측치 지점, 일시별 평균으로 처리 |
| 8 | 습도 결측치 처리 | 기상데이터 | 통계 신뢰성 확보 | 주변 날짜 평균으로 보간 |
| 9 | 초기 기간 데이터 보완 | 2015년 기상 | 실효습도 안정화 | 과거 습도 부족 문제 보완 |
| 10 | 공통 컬럼 추출 | 기상 데이터 | 컬럼 불일치 방지 | 공통 변수만 선택 |
| 11 | 지점·날짜 정렬 | 기상 데이터 | 시계열 정확성 | shift 계산 오류 방지 |
| 12 | 실효습도 계산 | 기상 데이터 | 파생변수 생성 | 지수 가중 이동 평균 적용 |
| 13 | 분석 기간 제한 | 기상 데이터 | 초기 결측 제거 | 2016년 이후 데이터 사용 |
| 14 | 관측소–시도 매핑 | 기상 데이터 | 공간 단위 통합 | 관측소를 시도로 변환 |
| 15 | 시도·일자별 집계 | 기상 데이터 | 대표값 생성 | 기상데이터의 평균·최대·최소 집계 |
| 16 | 산불 발생 일 집계 | 산불 데이터 | 발생 여부 정리 | 시도–일 단위 정리 |
| 17 | 시도×전체 날짜 생성 | 통합 데이터 | 패널 데이터 구축 | 산불 미발생일(0) 포함 |
| 18 | 산불 발생 여부 병합 | 통합 데이터 | 종속변수 결합 | fire=0 처리 |
| 19 | 기상 변수 병합 | 통합 데이터 | 설명변수 결합 | 시도–일 기준 병합 |
| 20 | 결측치 제거 | 통합 데이터 | 학습 데이터 정제 | 기상 결측 행 제거 |
| 21 | 지역별 논 비율 및 밭 비율 생성 | 전국(도별) 논밭별 경지면적 | 파생변수 생성 | 전국 면적으로 지역별 계산 |
| 22 | 지역별 (산림면적 / 지역면적) 계산 | 산림면적 | 파생변수 생성 | 전국 면적으로 지역별 계산 |
| 23 | ((산림면적 / 지역면적) * 인구밀도) 추가 | 인구밀도 - 시도 | 파생변수 생성 | 비율에 인구밀도 곱함 |
| 24 | 최종 데이터 저장 | CSV 파일 | 모델 입력 | 머신러닝 학습용 데이터 생성 |
산불 발생의 주요 원인이 인적 실화와 소각 행위라는 통계적 근거에 기반하여, 정적 데이터(Static Data)를 활용한 3가지 핵심 변수를 추가하였음.
산출 방식
WUI = (지역별 산림 면적 / 지역 전체 면적) × 인구 밀도
설명
지역의 산림(연료) 비율과 인구 밀도를 결합하여 사람이 산림 연료와 접하는 잠재적 강도를 연속형 지표로 나타냄. 값이 클수록 지역 면적 대비 산림 비중이 높고 인구가 밀집한 지역으로, 산불 발생 위험이 상대적으로 높을 수 있음을 의미.
근거
Stewart et al.(2007)은 WUI를 다음과 같이 정의함:
- 혼합형 WUI: 40에이커당 택지 1개 이상이고, 야생 식생이 전체 면적의 50% 이상인 지역
- 접경형 WUI: 40에이커당 택지 1개 이상이고, 1.5마일 이내에 야생 식생 75% 이상으로 덮인 1,235에이커 이상의 대규모 지역이 인접한 경우
본 프로젝트에서는 WUI 개념을 적용하여 지역 단위에서 산림 비중과 인구밀도를 결합한 연속형 지표를 사용하였음.
출처: 안현진·정도채·김동욱·정호근. (2024.12). 산림 인접지역의 효과적 산불 관리를 위한 개선과제(연구보고서 R 2024-19). [한국농촌경제연구원]
산출 방식
논(밭) 비율 = 지역별 논(밭) 면적 / 전국 논(밭) 총 면적
설명
지역의 농지(논/밭) 면적 비율
근거
최근 10년간 산불 원인 통계에 따르면 논·밭두렁 소각(11.0%) 및 쓰레기 소각(12.4%) 등 소각 행위가 전체 산불 원인의 23.4%를 차지함.
출처: 산림청. (2025). [2025년 산불 제대로 알기]
산불 예측의 정확도를 높이기 위해 당일의 습도뿐만 아니라 과거의 습도가 누적되어 지표면의 건조 상태에 영향을 미치는 **'실효습도'**를 파생변수로 생성하였음.
산출 방식
실효습도(
-
$r$ : 연소율 (일반적으로 0.7 사용) -
$h_n$ : n일 전의 평균 상대습도
화재 예방의 목적으로 사용되는 지수로, 당일의 상대습도뿐만 아니라 전날부터 과거 수일간의 습도에 경과시간에 따른 가중치를 주어 산출한 지수. 목재 등의 건조도를 나타내며 산불 발생 위험도를 판단하는 중요한 지표가 됨.
모델의 예측력을 높이기 위해 산불 확산의 물리적 메커니즘을 분석하고, 이를 코드로 구현하였음.
인사이트: 산불은 단순히 발생 여부를 넘어 기온, 풍속, 습도 및 지형적 특성이 복합적으로 작용하여 확산됨. 본 모델은 이러한 요인들을 독립 변수로 채택하여 학습을 진행하였음.
단기 습도가 아닌, 수일간의 누적 건조 상태를 반영하기 위해 실효습도를 산출하여 변수로 활용함.
💡 Note: 신설된 관측소(세종, 북부산 등)의 경우 초기 과거 데이터 부재로 발생하는 결측치는 모델의 신뢰성을 위해 제거 후 분석을 진행하였습니다. (참고: 국립산림과학원 산불지식정보, 기상청 기상지상관측지침)
분석 요약: 시도별 발생 횟수 시각화 결과, 특정 지역에 산불이 집중되는 경향을 확인하였는데, 이는 지역별 지형 및 산림 밀도 등 공간적 특성이 산불 발생의 주요 변수임을 시사하며, 모델링 시 지역별 가중치 설정의 기초가 되었음.
분석 요약: 분석 결과, 자연적 요인보다 입산자 실화 및 부주의 등 인위적 요인이 압도적인 비중을 차지함. 이는 기상 데이터뿐만 아니라 인적 활동을 수치화한 파생 변수(WUI 등)의 도입 필요성을 뒷받침함.
분석 요약: 위 원인 분석 중 '기타'로 분류된 항목들을 세분화하여 분한 그래프. 이를 통해 쓰레기 소각, 건축물 화재 전이 등 모델이 학습해야 할 미세한 위험 요인들을 파악하고 데이터 라벨링의 정확도를 개선하였음.
국립산림과학원 자료에 따르면 전체 산불의 절반 이상이 실화·소각 등 인적 요인으로 발생하며, 본 모델은 이러한 인적 요인을 정량화하여 예측에 반영하고 데이터 정합성을 확인하였음.
출처: [국립산림과학원] 2025년 산불 제대로 알기
산불 발생 지점, 시간, 원인(피해 규모 포함) 데이터를 기반으로 주요 발생 패턴 파악하였음.
| 컬럼명 | 설명 | 비고 |
|---|---|---|
발생일시_년/월/일/시간/요일 |
산불 발생 시점의 상세 일시 정보 | - |
진화종료시간_년/월/일/시간 |
산불 진화가 완료된 시점 | 지속시간 계산 가능 |
발생장소_관서/시도/시군구/읍면/동리 |
산불 발생 행정 구역 정보 | 공간 분석용 |
발생원인_구분/세부원인/기타 |
산불 발생 사유 (실화, 소각 등) | 원인 분석용 |
피해면적_합계 |
산불로 인한 총 소실 면적 | - |
전국 기상 관측 정보
| 컬럼명 | 설명 | 단위 |
|---|---|---|
지점 / 지점명 |
관측소 코드 및 지역 이름 | 지역 매칭용 |
일시 |
데이터 측정 날짜 | 시간 매칭용 |
평균/최저/최고기온 |
당일 온도 정보 | °C |
일강수량 |
하루 동안 내린 비의 양 | mm |
최대/평균 풍속 |
바람의 세기 | m/s |
최소/평균 상대습도 |
대기 중 습도 상태 | % |
일 최심적설 |
쌓인 눈의 최대 깊이 | cm |
모델 학습을 위해 전처리가 완료된 핵심 변수 리스트 (62,018 X 9)
| 컬럼명 | 설명 | 중요도 및 역할 |
|---|---|---|
| 평균기온(°C) | 당일 평균 기온 | 기온 상승 시 산림 내 가연물 건조 가속화 |
| 일강수량(mm) | 당일 총 강우량 | 직접적인 산불 발생 억제 요인 |
| 최대/평균 풍속(m/s) | 바람의 세기 | 산불의 확산 속도 및 대형산불 전이 판단 |
| 최소/평균 상대습도(%) | 대기 중 습도 | 발화 가능성을 측정하는 기초 지표 |
| 일 최심적설(cm) | 쌓인 눈의 깊이 | 동절기 산불 억제 및 수분 공급 요인 |
| 실효습도 | 수일간의 습도를 가중치로 계산 | 핵심 지표: 목재의 건조 상태를 나타냄 (30% 이하 시 위험) |
| 논/밭_비율 | 주변 토지 이용 형태 | 농작물 폐기물 소각으로 인한 산불 전이 분석 |
| 도시_산림_인접지수 | 도시와 산림의 경계 밀접도 | 인위적 실화 가능성 및 인명 피해 위험도 산출 |
| 산불 유무 | 산불 발생 여부 (0/1) | Target 변수: 분류(Classification) 모델의 목적값 |
산불 발생 여부와 주요 기상 및 지표 데이터 간의 상관성 분석 및 변수의 유효성 검증.
- 실효습도: 산불 발생과 음의 상관관계를 가짐 -> 실효습도가 낮을수록(나무나 풀이 바짝 마를수록) 산불은 더 자주 발생
- 인적 요인(밭 비율): 약한 양의 상관관계를 보여, 농지 소각 행위가 실제 산불의 주요 원인=사람이 있는 곳에 불이 난다라는 통계를 입증함.
- 평균기온, 강수량, 풍속과는 낮은 상관관계:실효습도 같은 복합 변수가 더 유의미함을 확인하였음.
성능 향상을 위해 단일 모델에서 복합 앙상블 모델로 단계별 고도화를 진행하였으며, 공통적으로 데이터 불균형 해소와 하이퍼파라미터 최적화 과정을 거쳤음.
1단계: Base Model 구축 (Decision Tree) → 초기 주요 변수 파악 및 기준 성능 설정
2단계: 모델 고도화 (Random Forest) → 배깅(Bagging)을 통한 과적합 방지 및 안정성 확보
3단계: 부스팅 앙상블 및 최적화 (GBM, XGBoost, LightGBM) → 오차 보정 및 Optuna/GridSearch를 통한 성능 극대화
-
데이터 불균형 대응: 산불 미발생 데이터가 압도적인 특성을 고려하여 SMOTE(Over-sampling) 및 scale_pos_weight 파라미터를 모든 모델에 공통 적용.
-
하이퍼파라미터 자동 튜닝: Optuna와 GridSearchCV를 활용하여 모델별 최적의 조합(Learning Rate, Depth, Estimators 등)을 도출.
가장 직관적인 Decision Tree로 시작하여, 이를 확장한 Random Forest를 통해 성능을 1차적으로 향상시킴.
| 모델 | 주요 최적화 내용 | 주요 성과 |
|---|---|---|
| Decision Tree | Max Depth 제한 (5) | Recall 85% 확보, 실효습도 영향력 확인 |
| Random Forest | 265개 결정 트리, log2 특성 선택 | 정확도 91%, AUC 0.91 기록 (안정성 강화) |
 [성능 비교] DT vs RF |  [판별력] RF ROC Curve (AUC 0.91) |
단일 트리의 한계를 극복하기 위해 오차를 순차적으로 개선하는 부스팅 기법을 도입하고, 자동 튜닝 도구(Optuna)를 통해 성능을 정밀하게 조정
[부스팅 모델별 최적화 포인트]
-
Gradient Boosting: 학습률과 트리 깊이의 세밀한 조정을 통해 AUC 0.88 달성.
-
XGBoost: scale_pos_weight 집중 튜닝으로 클래스 불균형에 따른 오탐지율 감소.
-
LightGBM: 빠른 학습 속도를 바탕으로 가장 넓은 범위의 하이퍼파라미터 탐색 수행.
 GBM Optuna 과정 |  XGBoost 하이퍼파라미터 |  LGBM 최적 파라미터 |
모든 과정을 거친 후, 전체 모델의 성능 지표와 변수 중요도를 통합 분석하여 최적의 모델을 선정하였음.
전 부스팅 계열 모델이 AUC 0.88~0.91의 높은 판별력을 보였으며, 특히 Random Forest와 LightGBM이 실무 배포에 가장 적합한 성능 균형을 보여주었음.
| Model | Train/Test Acc | Accuracy | Recall | Precision | F1-Score | ROC-AUC |
|---|---|---|---|---|---|---|
| XGBoost | 0.96 / 0.91 | 0.91 | 0.65 | 0.47 | 0.54 | 0.90 |
| LightGBM | 0.99 / 0.93 | 0.93 | 0.59 | 0.53 | 0.56 | 0.91 |
| Gradient Boosting | 0.86 / 0.84 | 0.84 | 0.81 | 0.32 | 0.45 | 0.91 |
| Random Forest | 0.94 / 0.91 | 0.91 | 0.68 | 0.46 | 0.55 | 0.91 |
| Decision Tree | 0.77 / 0.77 | 0.77 | 0.85 | 0.24 | 0.38 | 0.89 |
 Model별 ROC Curve 비교 |  최종 모델 Feature Importance |
[특성 중요도 (Feature Importance)]모든 모델이 공통적으로 '실효습도'를 산불 발생의 가장 결정적인 요인으로 판단함. 이는 단기 습도보다 수일간 누적된 건조 상태가 발화에 더 직접적인 영향을 미친다는 도메인 지식과 일치하는 결과임
-
공통 핵심 변수: 모든 모델에서 **'실효습도'**가 압도적인 1위 변수로 도출됨. (단기 기상보다 누적 건조 상태가 중요함을 입증)
- Decision Tree: 실효습도와 토지 피복도(논 비율) 등 특정 상위 변수에 의존도가 높음.
- Random Forest: 실효습도 외에도 상대습도, 기온, 풍속 등 기상 변수들을 고르게 반영하여 예측의 다각화를 이루었으며, 기상 데이터의 복합적인 상호작용을 더 잘 학습함.
-
성능 향상 결과: 단순 트리 모델 대비 앙상블 모델 도입 시 정밀도(Precision)가 최대 46% 향상되어 오탐지 문제를 크게 개선함.
본 프로젝트는 5가지 머신러닝 모델(Random Forest, Gradient Boosting, XGBoost, LightGBM, Decision Tree)을 비교 분석하여 산불 예측의 최적 알고리즘을 도출하였음.
-
성능 우수성: 전 모델 AUC 0.88 ~ 0.91 달성. 특히 Random Forest와 LightGBM이 정확도(91%)와 재현율(Recall) 측면에서 가장 안정적인 성능을 보임.
-
핵심 변수: 모든 모델에서 **'실효습도'**가 가장 중요한 변수로 도출됨. 이는 단발성 기상 현상보다 누적된 건조 상태가 발화의 결정적 원인임을 시사함.
-
인적 요인 반영: '논밭 비율'과 'WUI' 지표가 주요 변수로 작용하여, 단순 자연 발화가 아닌 인적 요인에 의한 산불 발생 가능성을 모델이 효과적으로 학습함.
1️⃣ 데이터 기반 선제적 행정 (Efficiency): -> 기존의 일괄적 인력 배치에서 벗어나, 고위험 지역에 자원을 '선택과 집중'할 수 있음.
-
실천 방안: 모델이 지목한 '실효습도 30% 이하 + 농지 비율 고위험' 지역을 대상으로 순찰 횟수 증대(1일 5회) 및 소방 헬기 전진 배치.
-
효과: 한정된 예산 내에서 골든타임 확보 및 방어력 극대화.
2️⃣ 핀포인트 대국민 맞춤형 경보 (Targeting) -> 무시되기 쉬운 일반 재난 문자 대신, 타겟팅된 정밀 알림 서비스를 제공.
-
실천 방안: 농번기 및 건조기 발생 시, 해당 지역 이장님 및 지역 주민 전용 알림 발송.
-
효과: 구체적인 가이드 전달을 통해 소각 활동 억제 및 실질적 사고 예방.
3️⃣ WUI 관리 및 경제적 손실 최소화 (Infrastructure) -> 사후 수습(수천억 원)을 사전 예방(수억 원)으로 대체하는 경제적 이득을 창출.
-
실천 방안: WUI(도시 산림 인접지) 고위험 마을 주변 방화수림 조성 및 비상 소화전 설치 우선순위 결정의 근거 데이터로 활용.
-
효과: 인명 피해 직결 구역의 선제적 인프라 구축 및 산림 복구 비용 절감.
-
실시간 연동: 기상청 ASOS/AWS API를 연동하여 매일 업데이트되는 기상 정보를 모델에 자동 입력.
-
시스템화: 일 단위 산불 위험도 예측 서버로 즉시 배포 가능하여 실시간 대시보드 구축에 용이함.
본 프로젝트는 기상 데이터와 인적 요인을 결합하여 유의미한 성과를 거두었으나, 다음과 같은 기술적 한계와 개선 과제를 확인하였다.
| 구분 | 주요 한계점 | 향후 개선 과제 |
|---|---|---|
| 공간 해상도 | 시·군·구 단위 광역 데이터를 사용하여 국지적 지형(경사도, 산의 방향, 계곡 등) 반영 미흡 | GIS(지리정보시스템) 데이터 결합을 통한 정밀 지형 분석 도입 |
| 인적 활동 추정 | 등산객 수, 소각 신고 등 직접 데이터 부재로 논밭 비율 등 간접 지표에 의존 | 실시간 유동 인구 데이터 및 산불 신고 이력 데이터 연동 |
| 데이터 불균형 | 희소 사건 특성상 높은 재현율(Recall) 대비 낮은 정밀도(Precision) 발생 (오탐지 발생) | 모델 앙상블 고도화 및 임계값(Threshold) 최적화를 통한 오탐율 개선 |
고아라
Keep (좋았던 점)
- 프로젝트 스토리텔링 완성: 프로젝트의 논리적 흐름을 구축하고, 이를 가독성 높은 README로 문서화함.
- 전략적 발표 준비: 기술적인 분석 내용을 비전공자도 이해하기 쉬운 기대 효과와 솔루션 중심으로 재구성하여 프로젝트의 실무적 가치를 강조함.
Problem (아쉬운 점)
- 초기 기획 단계의 리스크 관리: 주제 선정과 문제 정의 단계에서 더 구체적인 가이드라인을 세웠다면 팀원들의 작업 효율을 더 높였을 것이라는 아쉬움이 남음.
- 기술적 숙련도: 취합 과정에서 모델별 특성을 깊이 있게 다루기에는 스스로의 ML 숙련도가 부족함을 느껴 보완의 필요성을 체감함.
Try (시도할 점)
- 체계적인 프로젝트 매니징: 다음 프로젝트에서는 문제 정의 체크리스트를 미리 도입해 기획 단계를 더 탄탄하게 다질 예정임.
- 도메인 융합 역량 강화: 기상 및 산림 데이터 외에도 GIS 등 다양한 도메인 지식을 학습하여 더 정교한 분석 설계가 가능하도록 노력할 것임.
정재훈
정답 데이터를 전처리하는 과정에서 최대한 누락치의 존재가 중요하기 때문에 종속변수를 최대한 유지하고
여러 데이터셋을 merge하는 과정이 조금 복잡했던 것 같다. 추가적으로 모델을 돌렸을때, 여러가지 파라미터를 찾고 적용하는 부분이 공부에 많은 도움이 된것 같다.
김은우
이론으로만 배웠던 여러 모델들을 직접 써보고 비교해보면서 실제 성능들을 더 잘 알게 되었다. 최적의 파라미터를 찾는 과정에서 Optuna를 활용하면서 최적의 하이퍼파라미터를 찾는법을 체득했다. 또한, 데이터 분석에서 상관관계 히트맵은 모델에 상관없이 데이터의 특성임을 알게 되었고 특성 중요도는 모델마다 다르게 나옴도 알게 되었다. 마지막으로 모델 비교를 위해 재현율(Recall), 정밀도(Precision), F1 score, ROC, AUC를 사용하면서 개념들을 익히게 되었다.
나혜린
이번 프로젝트를 진행하며 가장 먼저 어려움을 느낀 부분은 주제 선정이었습니다. 머신러닝까지 적용해야 하는 프로젝트이다 보니, 분석 가치가 있는 주제인지 그리고 실제로 모델까지 연결할 수 있을지에 대한 고민이 컸습니다. 아이디어를 떠올리는 것보다 현실적으로 활용 가능한 데이터가 존재하는지를 판단하는 과정이 더 어려웠습니다. 주제를 정한 이후에도 데이터 전처리 단계에서 데이터 불균형 문제가 있었습니다. 산불 발생이라는 희귀 이벤트를 모델이 학습하도록 만드는 과정에서, 단순히 모델을 적용하는 것보다 데이터의 특성과 문제 구조를 이해하는 것이 훨씬 중요하다는 것을 깨달았습니다. 향후 프로젝트에서는 주제 선정 단계부터 데이터 구조와 분석 방향을 더 명확히 설정해야겠다는 기준을 갖게 되었습니다.
박수영
모델 학습을 하면서, 일차적으로 회귀인가 분류인가 하는 문제에 직면했고, 모델을 선택한 이후에도 하이퍼 파라미터를 조정하는 과정이 어려웠다. 특히 모델을 만들고 내가 예측하려는 산불이
정확도보다는 재현율이 중요하기 때문에, recall을 높여야 한다는 것, 점수가 높지 않게 나와 GridSearchCV를 사용했는데, 너무 오래 걸려서 결국에 RandomizedSearchCV를 사용해서 최적의 파라미터를 찾았다.
상황에 따라, 또 목적에 따라서 모델 이외에 부수적인 것들의 선택지가 다양하다는 것을 이론 이외에 실제로 느꼈다.
- data/: 데이터셋 파일 (raw, processed)
- notebooks/: EDA 및 실험용 주피터 노트북
- src/: 실제 실행용 파이썬 코드
- models/: 학습된 모델 저장 (.pkl, .h5 등)