[기계학습] 다항회귀분석을 이용한 의료 서비스의 수치적 제공 수준에 따른 코로나 사망률 예측 모델

2023년 2학기 전공 수업 중간고사 팀프로젝트로 진행하였던 코로나19 적정 병상 예측 모델 보고서와 코드입니다. 전처리 부분을 제외한 모든 부분은 제가 작성했고, 보고서는 완전히 개인 과제니까 안심하고 보셔도 됩니다. 제 학교랑 전공은 사실 티스토리에 오픈한지 꽤 되어서 가려봐야 의미가 없을 것 같으니 그냥 두고 이름이랑 학번만 가렸습니다. 

보고서

혹시 궁금하신 분 있을까봐... 코드 그래도 혹시 몰라서 제가 작성한 부분이 아닌 코드는 삭제했습니다. 

import pandas as pd
df = pd.read_csv('/content/xy_data_raw.csv')
df.head()

#numpy_array 형태로 변환
death = (df['mortality']).to_numpy()
features = (df.iloc[:,1:8]).to_numpy()

#train set, test set 분할
from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target = train_test_split(features, death, random_state=42)
print(train_input.shape)
print(test_input.shape)

#정규화(standard scaler)
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaler.fit(train_input)

train_scaled = scaler.transform(train_input)
test_scaled = scaler.transform(test_input)


#Model selection
from sklearn.linear_model import LinearRegression

lr = LinearRegression()
lr.fit(train_scaled, train_target)
print(lr.score(test_scaled, test_target))

#사이킷런 변환기
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(include_bias  = False)
poly.fit(train_scaled)
train_poly = poly.transform(train_scaled)
#print(train_poly.shape)

train_poly = poly.transform(train_scaled)
test_poly = poly.transform(test_scaled)

#다중회귀모델 훈련
lr = LinearRegression()
poly = PolynomialFeatures(degree = 10, include_bias = False)
poly.fit(train_scaled)
lr.fit(train_poly, train_target)
print(lr.score(train_poly, train_target))
print(lr.score(test_poly, test_target))

#1.0
#-0.30430900648567105
#훈련 세트는 1, 테스트 세트는 극히 작은 수 - 교재와 같은 상황 발생
#따라서 규제를 추가한다.


#Ridge regularization
from sklearn.linear_model import Ridge
ridge = Ridge()
ridge.fit(train_scaled, train_target)
print(ridge.score(train_scaled, train_target))
print(ridge.score(test_scaled, test_target))
#0.9888860272733656
#0.9772522995224812
#이미 좋은 score가 도출되었지만, 최선의 성능을 찾기 위해 가장 적합한 alpha 값을 알아본다

import matplotlib.pyplot as plt
train_score = []
test_score = []

alpha_list = [0.001,0.01,0.1,1,10,100,1000]
for alpha in alpha_list:
  ridge = Ridge(alpha = alpha)
  ridge.fit(train_scaled, train_target)

  train_score.append(ridge.score(train_scaled, train_target))
  test_score.append(ridge.score(test_scaled, test_target))

import numpy as np
plt.plot(np.log10(alpha_list), train_score)
plt.plot(np.log10(alpha_list), test_score)
plt.xlabel('alpha')
plt.ylabel('R^2')
plt.show()

print(test_score)
#[0.9422715186685238, 0.9443748021189575, 0.9553354967756778, 0.9772522995224812, 0.8556356929317945, 0.17689055982993074, -0.1184317339903238]

ridge = Ridge(alpha = 1)  #alpha = 1 (log스케일로 0)일 때 최적의 성능을 갖는 것으로 그래프에서 도출되었다.
ridge.fit(train_scaled, train_target)
print(ridge.score(train_scaled, train_target))
print(ridge.score(test_scaled, test_target))
#릿지 회귀 최적 성능

#0.9888860272733656
#0.9772522995224812

#디폴트로 설정된 알파(1)이 가장 높은 성능을 나타냈다.

#예측값 도출
#input_data = [[beds, doctor, nurs, nurs_assist, ambulance, covid_infection, emergency_center]]순서
input_data = [[19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30]]  #부산광역시(morality: 212) 와 유사하나 약간 높은 예시 input을 투입

# 정규화
input_data_scaled = scaler.transform(input_data)

# 예측값 도출 ridge.predict
predicted_mortality = ridge.predict(input_data_scaled)

# morality 출력
print("예측된 코로나로 인한 사망인구:", predicted_mortality[0])
# 결과: 246.1397875178415, 신뢰성 있는 값이 출력되었다.

#Lasso Regularization
from sklearn.linear_model import Lasso
lasso = Lasso()
lasso.fit(train_scaled, train_target)
print(lasso.score(train_scaled, train_target))
print(lasso.score(test_scaled, test_target))

#0.9973524181144665
#0.9557087459673375

#alpha 확인
train_score = []
test_score = []

alpha_list = [0.001,0.01,0.1,1,10,100,1000]
for alpha in alpha_list:
  lasso = Lasso(alpha = alpha)
  lasso.fit(train_scaled, train_target)

  train_score.append(lasso.score(train_scaled, train_target))
  test_score.append(lasso.score(test_scaled, test_target))

import numpy as np
plt.plot(np.log10(alpha_list), train_score)
plt.plot(np.log10(alpha_list), test_score)
plt.xlabel('alpha')
plt.ylabel('R^2')
plt.show()

#alpha 값이 1~2일 때 가장 train score와 test scrore 간의 차이가 적고, alpha = 100^2 이후에는 급격히 두 score모두가 낮아진다.

#두 규제를 모두 적용한 결과, Linear Regression과 규제 추가 전 다중회귀 모델보다 성능이 상승되었다.

lasso = Lasso(alpha = 32)  #앞선 그래프에서 도출된 최적의 alpha값인 10의 1.5승 = 약 32
lasso.fit(train_scaled, train_target)
print(lasso.score(train_scaled, train_target))
print(lasso.score(test_scaled, test_target))
#라쏘 회귀의 최적 성능

#0.9911751265696557
#0.9843031564977851

#input_data = [[beds, doctor, nurs, nurs_assist, ambulance, covid_infection, emergency_center]]순서
input_data = [[19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30]]  #부산광역시(morality: 212) 와 유사하나 약간 높은 예시 input 투입

# 정규화
input_data_scaled = scaler.transform(input_data)

# 예측값 도출 lasso.predict
predicted_mortality = lasso.predict(input_data_scaled)

# morality 출력
print("예측된 코로나로 인한 사망인구:", predicted_mortality[0])
#결과: 212.7227876480062로 신뢰성이 높다.
#참고: 릿지 회귀 결과는 246.1397875178415 였다.

#Ridge, Lasso coef 확인
lasso.coef_
#array([ -0.        ,   0.        ,  -0.        ,  -0.        ,
        -0.        , 380.85176057,   0.        ])
ridge.coef_
#array([-51.41174524,  53.98269999, -24.61810674, -10.68883542,
       -32.64575157, 271.50915199, 119.62739117])
       
#직접 데이터를 투입하여 코로나 사망 인구를 예측해보기
#test1
#사용자에게 데이터를 입력받아 이중리스트로 변환
usr_input = input("(인구 천 명당) 침상 수, 의사, 간호사, 간호조무사, 구급차, 발생인구를 입력해주세요(예시: 19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30): ") #콤마로 구분
input_lst = usr_input.split(",")
input_lst = [[float(x) for x in input_lst]]
print(input_lst)

# 정규화
input_data_scaled = scaler.transform(input_lst)

# 예측값 도출 ridge.predict
ridge_predicted_mortality = ridge.predict(input_data_scaled)

# 예측값 도출 lasso.predict
lasso_predicted_mortality = lasso.predict(input_data_scaled)

# morality 출력
print("릿지 회귀모형으로 예측된 코로나로 인한 사망인구:", ridge_predicted_mortality[0])
print("라쏘 회귀모형으로 예측된 코로나로 인한 사망인구:", lasso_predicted_mortality[0])

#(인구 천 명당) 침상 수, 의사, 간호사, 간호조무사, 구급차, 발생인구를 입력해주세요(예시: 19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30): 19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30
[[19.1, 1.5, 5.65, 3.0, 12.3, 25100.0, 30.0]]
#릿지 회귀모형으로 예측된 코로나로 인한 사망인구: 246.1397875178415
#라쏘 회귀모형으로 예측된 코로나로 인한 사망인구: 212.7227876480062

#test2
usr_input = input("(인구 천 명당) 침상 수, 의사, 간호사, 간호조무사, 구급차, 발생인구를 입력해주세요(예시: 19.1, 1.5, 5.65, 3.0, 12.3, 25100, 30): ") #콤마로 구분
input_lst = usr_input.split(",")
input_lst = [[float(x) for x in input_lst]]
print(input_lst)

# 정규화
input_data_scaled = scaler.transform(input_lst)

# 예측값 도출 ridge.predict
ridge_predicted_mortality = ridge.predict(input_data_scaled)

# 예측값 도출 lasso.predict
lasso_predicted_mortality = lasso.predict(input_data_scaled)

# morality 출력
print("릿지 회귀모형으로 예측된 코로나로 인한 사망인구:", ridge_predicted_mortality[0])
print("라쏘 회귀모형으로 예측된 코로나로 인한 사망인구:", lasso_predicted_mortality[0])

#(인구 천 명당) 침상 수, 의사, 간호사, 간호조무사, 구급차, 발생인구를 입력해주세요(예시: 19.1, 1.5, 5.65, 3.0, 12.3, 25100): 14.2, 1.5, 6.78, 2.0, 10.4, 20000.0, 15
[[14.2, 1.5, 6.78, 2.0, 10.4, 20000.0, 15.0]]
#릿지 회귀모형으로 예측된 코로나로 인한 사망인구: 150.37294713434437
#라쏘 회귀모형으로 예측된 코로나로 인한 사망인구: 169.8012907472546