티스토리 뷰
선정 데이터셋
구내식당 식수 인원 예측 AI 경진대회 - DACON
분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다.
dacon.io
데이터셋 소개
train 데이터
- 일자
- 요일
- 본사정원수
- 본사휴가자수
- 본사출장자수
- 시간외근무명령서승인건수
- 현본사소속재택근무자수
- 조식메뉴
- 중식메뉴
- 석식메뉴
- 중식계
- 석식계
test 데이터셋
- 일자
- 요일
- 본사정원수
- 본사휴가자수
- 본사출장자수
- 시간외근무명령서승인건수
- 현본사소속재택근무자수
- 조식메뉴
- 중식메뉴
- 석식메뉴
sample_submission 데이터
- 일자
- 중식계
- 석식계
중식계, 석식계 예측을 위해 고려할 변수는?
관련논문
- 전체적인 구조
식수 예측을 위해서 먼저 식사가능 인원 변수, 시계열 인원 변수, 메뉴 특성 변수, 요일 변수, 전후 휴일 여부 변수, 날씨 변수, 연휴 연말 변수, 이벤트 변수 등 8개 카테고리 63개의 변수를 선정하였다. - 데이터
본 연구는 식수 예측 모델링을 위해 S시청 구내 식당에서 제공한 메뉴, 식사 가능 인원 및 날씨 등 에 대한 데이터를 대상으로 연구를 진행하였다.
식수 예측 시 고려하는 요인으로 요일, 제공 메뉴 선호도, 날씨, 전주 동일 요일 식수, 운영 끼니, 고객사 행사, 복수 메뉴의 선호도, 전월 식수 자료, 계절, 동일 메뉴 과거 식수, 이벤트, 전년 해당 월(주) 식수, 기온, 주변 식당 이용 가능성, 동일 메뉴 과거 잔반량 등이 식수 예측 향상을 위한 요인으로 파악되었다. - 구성 변수
식수 예측에 미치는 변수 파악을 위해 크게 내부적 요인과 외부적 요인의 2가지 요인으로 구분을 하였으며 내부적 요인으로 고려를 할 변수로는 식사 가능 인원(출근 인원, 출장자, 휴가자 등), 시계열 인원 변수(전주 식사 인원, 요일별 평균 식사 인원, 월 평균 식사 인원, 일일 식사 가능 인원), 메뉴 특성(일일 메뉴) 등 3가지 범주를 고려하여 분류를 하였다.
외부적 요인으로는 요일 및 계절, 전일ㆍ익일의 휴일 여부, 날씨, 이벤트 여부 및 연휴ㆍ연말 등 5가지 범주로 분류를 하였다.1년 중 월별로 식수가 항상 고르게 분포하는 것이 아니라 연말과 같이 월별로 식수가 달라 같은 요일이라 하더라도 월에 따라 다른 요일이 있다는 것을 파악하여 월별 식수라는 변수를 생성하였다.본 연구의 차별성은 먼저 첫째, 다양성 및 메뉴선호도를 고려한 수요 예측 모델링을 하고, 이를 기계학습기법을 적용하여 식수 예측을 수행하는 새로운 접근을 시도했다는 것이다.
한편, 본 연구에서는 듀이 십진분류법(Dewey DecimalClassification)에 의한 수정 개정안을 바탕으로 메뉴를 크게 주식, 부식 및 밑반찬, 후식 및 간식 등으로 나누고(Chung & Choi 2011), 메뉴에 있는 개별음식을 조리 재료와 조리 방법 2가지로 분류하여 1차적으로 조리 방법에 의한 분류를, 2차적으로는 재료에 의한 분류를 하여 진행하였다.
다음으로 식수 예측에 영향을 미치는 변수를 파악하기 위해 현장 조사를 수행하였다. S시 청사 내 집단급식소의 경우 영양사 및 조리사는 경험에 의해 식수를 예상하고 있었는데, 요일별 식수를 주요결정요인으로 인식하고 있었다. 식수는 요일 별로일정한 패턴이 있는 것으로 알려져 있다. - 모델선택
회귀분석법 중 후진 단계적 선택법, LASSO회귀, 능형회귀, 랜덤포레스트, 배깅 그리고 부스팅의 6가지 기계학습기법을 활용하여 식수 예측을 수행한 후에 다시 우수한 성능을 보인 기법에서 추론한 결과를 평균하는 앙상블기법을 활용하여 최종적으로 식수 예측 결과를 획득하였다.
'으쌰으쌰! 팀 프로젝트 > MID 2 (머신러닝)' 카테고리의 다른 글
| 1차 진행 : 날씨 관련 데이터 활용하기 (0) | 2023.04.04 |
|---|---|
| 아이디어 회의 : 데이터 분석 (0) | 2023.04.03 |