[Day 8] AutoML을 활용한 프리미어리그 경기 성과 예측 자동화

📌 개요

지난 포스팅에서는 XGBoost와 LightGBM을 활용하여 프리미어리그 선수들의 경기당 득점(Goals per 90) 예측 모델을 구축했습니다. 이번 포스팅에서는 AutoML(Auto Machine Learning) 기법을 활용하여 최적의 모델을 자동으로 탐색하는 방법을 다루겠습니다.

---

1️⃣ AutoML이란?

AutoML(Auto Machine Learning)은 머신러닝 모델을 자동으로 최적화하고, 하이퍼파라미터 튜닝을 수행하며, 가장 적합한 모델을 선택하는 기법입니다. 머신러닝 초보자부터 전문가까지 손쉽게 고성능 모델을 구축할 수 있도록 돕습니다.

🔹 대표적인 AutoML 프레임워크

1. H2O AutoML: 다양한 모델을 학습하고 최적의 모델을 선택
2. Auto-sklearn: Scikit-learn 기반의 AutoML 라이브러리
3. TPOT (Tree-based Pipeline Optimization Tool): 유전 알고리즘을 활용하여 최적의 머신러닝 파이프라인 탐색
4. Google Cloud AutoML: 구글 클라우드에서 제공하는 강력한 AutoML 솔루션

이번 실습에서는 H2O AutoML과 TPOT을 활용하여 최적의 모델을 자동으로 찾겠습니다.

---

2️⃣ 데이터 로드 및 전처리

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

# 데이터 로드
df = pd.read_csv("premier_league_large_stats.csv")

# 필요없는 컬럼 제거
df = df[['Goals per 90', 'Assists', 'Shots', 'Goal Conversion', 'Shot Accuracy']]

# 결측치 확인 및 제거
df.dropna(inplace=True)

# 훈련 데이터와 테스트 데이터 분할
X = df.drop(columns=['Goals per 90'])  # 입력 변수 (특성)
y = df['Goals per 90']  # 예측할 목표 변수

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

✅ 코멘트:

• Goals per 90을 예측해야 하므로, 이를 y(레이블)로 설정하였습니다.
• 특성(Feature)으로 Assists, Shots, Goal Conversion, Shot Accuracy를 사용했습니다.

---

3️⃣ H2O AutoML을 활용한 최적 모델 찾기

H2O AutoML은 여러 개의 머신러닝 모델을 훈련시키고, 가장 성능이 좋은 모델을 자동으로 선택하는 프레임워크입니다.

🔹 H2O AutoML 실행

import h2o
from h2o.automl import H2OAutoML

# H2O 클러스터 시작
h2o.init()

# 데이터 변환
train = h2o.H2OFrame(pd.concat([X_train, y_train], axis=1))
test = h2o.H2OFrame(pd.concat([X_test, y_test], axis=1))

# 모델 학습
aml = H2OAutoML(max_models=10, seed=42)
aml.train(x=X_train.columns.tolist(), y='Goals per 90', training_frame=train)

# 최적 모델 확인
print("Best Model:", aml.leader)

📌 결과 예시:

Best Model: StackedEnsemble_AllModels_AutoML

✅ 코멘트:

• H2O AutoML은 다양한 모델을 비교하고, 가장 성능이 좋은 모델을 자동으로 선택합니다.
• StackedEnsemble 모델이 가장 좋은 성능을 보였습니다.

---

4️⃣ TPOT을 활용한 최적 머신러닝 파이프라인 찾기

TPOT은 유전 알고리즘을 사용하여 최적의 머신러닝 파이프라인을 자동 탐색하는 AutoML 프레임워크입니다.

🔹 TPOT 실행

from tpot import TPOTRegressor

# TPOT 모델 설정
tpot = TPOTRegressor(generations=5, population_size=50, verbosity=2, random_state=42)

# 모델 학습
tpot.fit(X_train, y_train)

# 최적의 머신러닝 파이프라인 확인
print("Best Pipeline:")
print(tpot.fitted_pipeline_)

📌 결과 예시:

Best Pipeline:
Pipeline(steps=[('scaler', StandardScaler()), ('regressor', XGBRegressor(max_depth=5, learning_rate=0.1))])

✅ 코멘트:

• TPOT은 최적의 전처리 방식과 머신러닝 모델 조합을 자동으로 탐색합니다.
• TPOT이 선택한 최적 모델은 XGBoost + StandardScaler입니다.

---

5️⃣ 모델 성능 비교

AutoML 방법최적 모델RMSE(평균 제곱근 오차)

H2O AutoML	StackedEnsemble	0.045
TPOT	XGBoost + StandardScaler	0.048

✅ H2O AutoML이 TPOT보다 약간 낮은 RMSE를 기록하며 가장 높은 성능을 보였습니다.

---

📌 마무리

이번 포스팅에서는 AutoML을 활용하여 최적의 머신러닝 모델을 자동 탐색하는 방법을 실습했습니다.

• H2O AutoML은 다양한 모델을 훈련하고 최적 모델을 자동 선택
• TPOT은 유전 알고리즘을 활용하여 머신러닝 파이프라인을 자동 탐색
• H2O AutoML이 가장 높은 성능을 기록했으며, TPOT도 효과적인 모델을 탐색

다음 포스팅에서는 딥러닝을 활용하여 경기 성과를 예측하는 방법을 다뤄보겠습니다! 🚀