카테고리 D: 머신러닝 모델 성능 비교

CNN, SVM, Random Forest, XGBoost 등 다양한 전통적 머신러닝 모델과 딥러닝 모델을 비교 분석합니다. 각 모델의 장단점과 적용 시나리오를 제시합니다.

4개 논문 통합: 다양한 ML/DL 모델 비교 및 앙상블 기법

모델별 성능 지표

모델 정확도 MAE RMSE 학습시간 추론시간
CNN 91.2% 68.5 kW 89.2 kW 45분 0.08s
SVM 88.5% 82.3 kW 103.7 kW 22분 0.12s
Random Forest 89.7% 75.1 kW 95.6 kW 18분 0.05s
XGBoost 92.8% 61.4 kW 82.1 kW 25분 0.04s
Ensemble 94.3% 54.2 kW 73.8 kW 110분 0.29s

정확도 vs 속도

모델 추천 시나리오

포함된 연구 논문 (4개)

논문 25: CNN 기반 이미지 분석

위성영상 기반 발전량 예측

논문 26: SVM 분류 모델

날씨 패턴 분류 및 예측

논문 27: Random Forest 앙상블

특성 중요도 분석

논문 28: XGBoost 최적화

Gradient Boosting 기법