joungraekim · 위시켓(Wishket)

프로젝트 배경

1) 문제점
- 광어 가격에 영향을 미치는 변수가 20여 개 이상으로 복잡해 정확한 예측이 어려움
- 각 변수의 영향력이 시기에 따라 달라져, 예측 모델의 성능이 시간이 지나면 떨어지는 문제 발생

2) 프로젝트 목표
- 과거 광어 가격 데이터를 기반으로 미래의 광어 가격을 정확히 예측하는 모델 개발

3) 주안점
- Regression 모델(ARIMA, Prophet 등)과 Transformer 모델(Autoformer 등)을 합친 Ensemble 모델 구현
- 신규 데이터 투입 시 자동으로 강화학습이 가능하도록 설계하여 예측 성능의 지속적 유지

*본 포트폴리오 내 이미지는 이해를 돕기 위해 가상으로 제작되었습니다.

프로젝트 성과

예측 오차율 5% 미만

- 기존 선행연구보다 뛰어난 5% 미만의 오차율 (MSE) 을 보이는 예측 모형 개발 완료

신규 업데이트에 따라 모델 자동 업데이트

- 강화학습 가능한 구조를 설계하여 신규 데이터에 따라 모델이 업데이트 될 수 있도록 구현

가격 모델에 기반을 둔 최적 출하시기 및 보험료율 모델 개발

- 가격이 핵심 변수인 최적 출하시기 및 보험료율 결정 모델 개발

핵심 기능

오차율 5% 미만의 예측 기능

- 기존 선행연구보다 뛰어난 5% 미만의 오차율 (MSE) 을 보이는 모델을 통해 가격 예측을 할 수 있습니다.

자동 강화학습

- 신규 데이터 투입 시 자동으로 강화학습을 진행하여 시간에 따른 모델 성능 하락을 최소화합니다.

진행 단계

데이터 수집 및 분석

2023.10.

- 시계열 가격 데이터 및 유관 변수 데이터 수집
- 선행연구 학습

모델 설계 및 개발

2023.11.

- 가격 예측 모델 설계 및 개발

프로젝트 상세

1. 포트폴리오 소개: AI 기반 광어 가격 예측 모델

2. 작업 범위: 데이터 분석, 머신러닝 모델 개발, 자동 학습 시스템 설계

3. 주요 업무:
1) 정확도 높은 가격 예측 모델 개발
- ARIMA, Prophet 등의 Regression 모델과 Autoformer 기반 Transformer 모델을 결합한 Ensemble 모델 구축
기존 연구보다 우수한 5% 미만의 MSE(평균제곱오차) 달성

2) 자동 강화학습 시스템 설계
- 신규 데이터가 추가될 때 자동으로 강화학습을 수행하여 지속적인 모델 성능 유지
- 시기별로 변하는 변수 영향력을 반영해 예측 성능 저하 방지