[Day 6] 머신러닝 모델 최적화 - 프리미어리그 경기 성과 예측 개선하기

2025.03.10 - [Daily Data Log] - [Day 5] 머신러닝을 활용한 프리미어리그 선수 경기당 득점 예측

📌 개요

지난 포스팅에서는 선형 회귀(Linear Regression)와 랜덤 포레스트(Random Forest) 모델을 활용하여 프리미어리그 선수들의 경기당 득점(Goals per 90)을 예측하는 머신러닝 모델을 개발했습니다. 이번 포스팅에서는 모델 성능을 최적화하는 다양한 방법을 실습해보겠습니다.

 

---

1️⃣ 모델 최적화란?

머신러닝 모델 최적화는 모델이 더욱 정확하게 예측할 수 있도록 조정하는 과정입니다. 대표적인 최적화 방법은 다음과 같습니다.

🔹 최적화 기법

1. 하이퍼파라미터 튜닝(Hyperparameter Tuning): 모델의 성능을 조정하는 매개변수를 최적화
2. 피처 엔지니어링(Feature Engineering): 중요한 변수를 추가하거나 변환하여 모델의 입력 데이터 개선
3. 데이터 스케일링(Data Scaling): 데이터를 표준화 또는 정규화하여 모델 성능 향상
4. 교차 검증(Cross Validation): 모델이 과적합되지 않도록 데이터 분할하여 학습

---

2️⃣ 랜덤 포레스트 하이퍼파라미터 튜닝

랜덤 포레스트의 성능을 개선하기 위해 GridSearchCV를 사용하여 최적의 하이퍼파라미터를 찾겠습니다.

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestRegressor

# 모델과 파라미터 그리드 설정
param_grid = {
    'n_estimators': [100, 200, 300],
    'max_depth': [None, 10, 20, 30],
    'min_samples_split': [2, 5, 10]
}

rf_model = RandomForestRegressor(random_state=42)
grid_search = GridSearchCV(rf_model, param_grid, cv=5, scoring='neg_mean_squared_error', n_jobs=-1)
grid_search.fit(X_train, y_train)

# 최적의 하이퍼파라미터 출력
print("Best Parameters:", grid_search.best_params_)

📌 결과 예시:

Best Parameters: {'max_depth': 20, 'min_samples_split': 5, 'n_estimators': 200}

✅ 코멘트:

• max_depth: 트리의 최대 깊이를 제한하여 과적합 방지
• min_samples_split: 노드를 분할하는 최소 샘플 수 조정
• n_estimators: 트리 개수를 조정하여 모델 성능 최적화

---

3️⃣ 피처 엔지니어링 (Feature Engineering)

머신러닝 모델의 예측력을 향상시키기 위해 새로운 변수를 추가하거나 기존 변수를 변환할 수 있습니다.

🔹 새로운 변수 추가

# 경기당 슈팅 수(Shots per Match) 변수 추가
df['Shots per Match'] = df['Shots'] / df['Matches Played']

# 어시스트 대비 골 비율(Goals per Assist) 추가
df['Goals per Assist'] = df['Goals'] / (df['Assists'] + 1)

✅ 코멘트:

• 슈팅을 많이 시도하는 선수들은 득점 확률이 높을 가능성이 있음
• 어시스트가 많은 선수일수록 득점 기회도 많을 가능성이 있음

---

4️⃣ 데이터 스케일링 (Data Scaling)

각 변수의 단위를 맞추기 위해 표준화(Standardization) 또는 **정규화(Normalization)**를 적용할 수 있습니다.

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

✅ 코멘트:

• 표준화는 평균이 0, 표준편차가 1이 되도록 조정하여 모델이 변수 간 차이를 학습할 수 있도록 도와줌
• 정규화는 모든 값을 0~1 사이로 조정하여 스케일 차이를 줄임

---

5️⃣ 교차 검증을 통한 모델 평가

교차 검증은 데이터를 여러 개의 폴드(fold)로 나누어 모델이 다양한 데이터 분할에서 얼마나 안정적으로 학습하는지를 평가하는 방법입니다.

from sklearn.model_selection import cross_val_score

rf_model_tuned = RandomForestRegressor(n_estimators=200, max_depth=20, min_samples_split=5, random_state=42)
scores = cross_val_score(rf_model_tuned, X_train, y_train, cv=5, scoring='neg_mean_squared_error')

print("Cross-Validation RMSE:", np.sqrt(-scores.mean()))

📌 결과 예시:

Cross-Validation RMSE: 0.065

✅ 코멘트:

• 교차 검증을 통해 모델이 데이터에 과적합되지 않는지 확인할 수 있음
• 여러 번 테스트하여 모델의 일관된 성능을 평가할 수 있음

---

📌 마무리

이번 포스팅에서는 프리미어리그 경기 성과 예측 모델을 최적화하는 다양한 방법을 다뤘습니다.

• 랜덤 포레스트 모델의 하이퍼파라미터 튜닝을 수행하여 최적의 설정을 찾았습니다.
• 피처 엔지니어링을 통해 새로운 변수(Shots per Match, Goals per Assist)를 추가하여 성능을 개선했습니다.
• 데이터 스케일링과 교차 검증을 적용하여 모델의 일반화 성능을 향상시켰습니다.

다음 포스팅에서는 XGBoost 및 LightGBM을 활용한 고급 모델 학습을 진행하겠습니다! 🚀