[토탈 솜루션] Total IOT Solution 머신러닝 알고리즘 구상

 

💻 알고리즘 예상 시나리오

1. 환경 별(시간, 습도, 온도 등)로 사용자의 제어 값을 기록한다.
2. 일주일 간의 데이터를 DB에 축적한다.
3. 이미 학습된 데이터의 feature를 가지고 target data를 예측 한 뒤, 그 결과를 실제 targetdata와 비교하는 방식으로 기계학습을 진행한다.
   3-1. 훈련용 데이터 셋과 평가용 데이터 셋을 8대2로 나눈다.
   3-2. 모델을 학습시키고, 정확성을 검토한다.
4. 기계 학습 결과를 모델링한다.
5. 만들어진 모델을 API형식으로 만들어 웹에 배포한다.
6. 새로운 환경 값이 입력되면 예상 사용자 제어 값을 추측한다.
7. 팝업, 알림 등을 사용하여 사용자에게 제어 값을 추천한다.

 

---

 

내가 우리 프로젝트에서 사용하고자 하는 머신러닝 알고리즘은 다중 로지스틱 회귀 알고리즘이다

로지스틱 회귀는
결과의 확률을 예측 하는 데 사용 되는 통계의 잘 알려진 방법 이며 분류 작업에 많이 사용 됩니다. 알고리즘은 데이터를 로지스틱 함수에 맞추는 방법으로 이벤트 발생 확률을 예측 합니다. 다중 클래스 로지스틱 회귀에서는 분류자를 사용하여 여러 결과를 예측할 수 있습니다.

다중 로지스틱 회귀를 활용해 상황 별 사용자의 제어 값으로 분류한다. 독립 변수로는 사용자 별 환경 데이터 (시간대, 온도, 습도 등)이 있고, 종속 변수로는 situation 값으로 설정한다. 분석 결과 종속 변수의 예측 값이 0.5보다 크면 기계의 전원을 on하고, 예측 값이 0.5보다 작으면 기계의 전원을 off하는 상태 값을 반환한다.

 

💻 알고리즘 흐름도