유전 알고리즘을 이용한 러프셋 파티션 크기 최적화와 HIV 데이터 분석

초록

본 논문에서는 HIV 데이터에 대한 규칙 추출을 수행하기 위해 러프셋 파티션 크기를 최적화하는 방법을 제시한다. 유전 알고리즘 최적화 기법을 활용하여 러프셋의 파티션 크기를 결정함으로써 예측 정확도를 극대화한다. 제안된 방법은 남아프리카 공화국 산부인과 조사에서 수집된 인구통계학적 특성 데이터를 대상으로 시험하였다. 분석에 사용된 변수는 인종, 어머니 연령, 교육 수준, 임신 횟수(gravidity), 출산 횟수(parity), 아버지 연령이며, 결정 변수는 HIV 양성 여부이다. 러프셋 이론은 추출된 규칙이 직관적으로 해석 가능하다는 장점 때문에 선택되었다. 동일 폭 구간(equal‑width bin) 파티션을 사용했을 때의 예측 정확도는 57.7%였으나, 파티션을 최적화한 후에는 72.8%로 향상되었다. 기존에 HIV 데이터를 분석한 여러 방법들의 결과와 비교하여 러프셋 이론의 우수성을 확인하였다.

상세 요약

본 연구는 두 가지 핵심 기술, 즉 러프셋 이론(Rough Set Theory, RST)과 유전 알고리즘(Genetic Algorithm, GA)을 결합함으로써 HIV 감염 예측 모델의 성능을 크게 향상시켰다는 점에서 의미가 크다. 러프셋 이론은 데이터의 불확실성과 모호성을 집합론적 접근으로 다루며, 특히 ‘조건부 속성’과 ‘결정 속성’ 사이의 의사결정 규칙을 명시적으로 도출할 수 있다는 장점이 있다. 그러나 전통적인 러프셋 적용에서는 연속형 변수를 이산형 구간으로 나누는 ‘파티션’ 과정이 모델 성능에 결정적인 영향을 미친다. 파티션을 무작위 혹은 균등 폭(equal‑width)으로 설정하면 중요한 패턴이 손실되거나 불필요한 잡음이 포함될 위험이 있다.

이에 저자들은 GA를 이용해 파티션 경계값을 최적화하였다. GA는 초기 개체군을 무작위로 생성하고, 적합도 함수로 예측 정확도를 사용한다. 선택, 교차, 돌연변이 연산을 반복하면서 파티션 조합을 진화시켜 최적해에 근접한다. 이 과정에서 파티션 수와 각 구간의 경계값이 동시에 조정되므로, 변수마다 가장 적합한 구간 구성이 자동으로 도출된다. 결과적으로 파티션 최적화 전후의 정확도 차이(57.7% → 72.8%)는 파티션 설계가 모델 성능에 미치는 영향을 명확히 보여준다.

데이터셋은 남아프리카 공화국 산부인과에서 수집된 6개의 인구통계학적 변수와 HIV 양성·음성이라는 이진 결정 변수로 구성된다. 변수들의 특성상 일부는 명목형(인종), 일부는 순서형(교육 수준), 또 일부는 연속형(어머니·아버지 연령)이다. 이러한 이질적인 변수들을 동일한 파티션 전략으로 처리하기보다는 GA가 각 변수별 최적 구간을 찾아내어 정보 손실을 최소화한다는 점이 특히 주목할 만하다.

비교 대상으로 제시된 기존 방법들(예: 로지스틱 회귀, 인공 신경망, 의사결정 트리 등)은 일반적으로 ‘블랙박스’ 형태이거나 규칙 해석이 어려운 반면, RST는 도출된 규칙이 “IF 조건 THEN 결과” 형태로 명시적이며, 정책 입안자나 보건 전문가가 직접 활용하기에 적합하다. 다만, 본 연구는 파티션 최적화에 GA를 적용했음에도 불구하고, 모델의 일반화 능력을 검증하기 위한 교차 검증이나 외부 검증 데이터셋에 대한 언급이 부족하다. 또한, GA의 파라미터 설정(인구 규모, 세대 수, 변이율 등)이 결과에 미치는 민감도 분석이 제공되지 않아 재현 가능성에 한계가 있다.

향후 연구에서는 (1) K‑폴드 교차 검증을 통한 모델 안정성 평가, (2) 파라미터 튜닝 자동화 및 민감도 분석, (3) 다른 메타휴리스틱(예: 입자 군집 최적화, 차등 진화)과의 비교, (4) 파티션 최적화 결과를 기반으로 도출된 규칙의 임상적 의미와 정책 적용 가능성을 정량적으로 검증하는 작업이 필요하다. 이러한 확장을 통해 RST‑GA 결합 모델이 HIV 예방 및 관리 전략 수립에 실질적인 도구로 자리매김할 수 있을 것이다.