전공 선택을 위한 퍼지 C45 분류 구현

초록

본 연구는 인포매틱스 공학 전공 학생들의 전공 선택을 지원하기 위해 퍼지 마음다니 시스템과 C45 의사결정트리를 결합한 하이브리드 모델을 개발하였다. Weka를 이용해 전공 결정 규칙을 도출하고, 이를 MATLAB 기반 마인드다니 퍼지 추론기에 적용하여 학생들의 학업 성과와 선호도를 종합적으로 평가한다. 126명 중 17명의 선택이 모델 결과와 일치함을 확인하였다.

상세 분석

본 논문은 전공 선택이라는 복합 의사결정 문제에 대해 두 가지 인공지능 기법을 융합함으로써 기존의 설문 기반 접근법보다 객관성을 높이고자 한다. 첫 단계에서는 Weka 소프트웨어를 활용해 학생들의 학점, 전공 과목 이수 현황, 성별, 학년 등 다변량 데이터를 입력으로 C45 알고리즘을 적용한다. C45는 정보 이득 비율을 기준으로 최적의 분할 속성을 선택하고, 이를 통해 의사결정트리를 생성한다. 생성된 트리는 ‘규칙 형태(If‑Then)’로 변환되어 퍼지 시스템의 ‘샤프 룰(Sharp Rule)’ 역할을 수행한다.

다음으로, MATLAB의 퍼지 로직 툴박스를 이용해 마인드다니(Mamdani) 퍼지 추론기를 구축한다. 입력 변수는 위에서 도출된 규칙에 따라 ‘높음·보통·낮음’ 등 삼각형 또는 가우시안 형태의 멤버십 함수를 갖는다. 출력 변수는 전공 후보(예: 소프트웨어, 네트워크, 데이터베이스 등)이며, 각 후보에 대한 소속도(디그리)를 계산한다. 퍼지 규칙은 C45 트리에서 추출된 논리식과 일치하도록 설계되었으며, 이는 규칙 기반 시스템의 해석 가능성을 유지하면서도 퍼지 논리의 부드러운 경계 처리를 가능하게 한다.

실험에서는 라야 세랑 대학의 인포매틱스 공학 전공 126명의 데이터를 사용하였다. 모델 적용 결과, 17명의 학생이 실제 선택한 전공과 시스템이 제시한 전공이 일치했으며, 나머지 학생에 대해서는 모델이 제시한 후보와 실제 선택 사이에 일정 정도의 차이가 존재했다. 이는 데이터 샘플이 제한적이고, 전공 선택에 영향을 미치는 비학업적 요인(예: 진로 목표, 개인 흥미 등)이 충분히 반영되지 않았기 때문으로 해석된다.

핵심 인사이트는 다음과 같다. 첫째, C45가 제공하는 명확한 규칙 구조는 퍼지 시스템에 직접 삽입될 수 있어 하이브리드 모델의 설계 복잡성을 크게 낮춘다. 둘째, 퍼지 마인드다니는 불확실하고 연속적인 학업 성과 데이터를 부드럽게 처리함으로써 ‘경계값’에 민감한 전통적 트리 모델의 한계를 보완한다. 셋째, 모델의 정확도는 입력 변수의 선택과 멤버십 함수 설계에 크게 좌우되며, 향후 변수 확대와 전문가 인터뷰를 통한 멤버십 튜닝이 필요하다. 마지막으로, 현재 13.5% 수준의 일치율은 초기 프로토타입으로서는 의미가 있으나, 실용적인 의사결정 지원 시스템으로 발전시키기 위해서는 정확도 향상과 사용자 인터페이스 개선이 필수적이다.