45분
Random Forest / XGBoost 고장 분류
Day 3: 고장 분류 모델
Random Forest / XGBoost 고장 분류
예지보전 — 설비 고장 예측 시스템 > Day 3: 고장 분류 모델
학습 목표
Random Forest와 XGBoost로 고장 분류 모델을 구축할 수 있다 센서 피처를 입력으로 설비 상태를 분류할 수 있다 두 모델의 성능을 비교할 수 있다
ML 기반 고장 분류
센서 피처 → 설비 상태 분류 (정상 / 경고 / 고장)
분류 전략
에디터 로딩 중...
아래 코드를 fault_classification_ml.py로 저장하고 실행하세요.
에디터 로딩 중...
힌트 보기
- • 엔진 단위로 train/test를 나눠야 데이터 누수를 방지한다
- • 같은 엔진의 데이터가 train과 test에 섞이면 성능이 과대평가된다
- • XGBoost는 일반적으로 Random Forest보다 약간 더 좋은 성능을 보인다
- • 고장 임박(label=2) 클래스의 Recall이 가장 중요하다