설명 가능한 인공지능을 활용한 주거불안 예측모형 개발

국문 초록 (Abstract)

주거 상황이 취약한 1인가구가 수도권을 중심으로 급증하고 있다. 이들이 심각한 주거불안정 상태에 처하기 전에 잠정적인 정책 대상을 식별하고 예방적 조치를 취할 필요가 있다. 이에 본 연구에서는 설명 가능한 인공지능, 구체적으로 앙상블 기반의 머신러닝 ― 배깅, 랜덤포레스트, 부스팅 등 다수의 트리를 빌딩블록으로 활용하여 예측 성능을 극대화하는 알고리즘 ― 을 활용하여 주거불안 예측모형을 개발하였다. 이 모형은 전통적인 분류모형인 로지스틱 회귀와 비교하여 예측 성능이 훨씬 뛰어난 것으로 나타났다. 본 연구에서 개발한 예측모형은 주거 위기 상황의 가구를 식별하는 과정을 효율화하는 데 기여할 수 있다는 점에서 자원이 한정된 공공조직에 유용할 것으로 판단된다.

다국어 초록 (Multilingual Abstract)

Korea has witnessed a significant increase in the number of vulnerable single-person households facing housing instability, particularly in the Seoul Metropolitan Area. Hence, identifying potential policy targets and implementing preventive measures before such households experience severe instability are essential. In this study, we utilized explainable artificial intelligence—specifically, ensemble-based machine learning techniques (e.g., bagging, random forests, boosting) that use multiple trees to enhance predictive performance—to develop a predictive model for housing instability. This model outperformed traditional classification models (e.g., logistic regression) in predictive accuracy and can help streamline the identification process for households at risk of housing crises. Further, it is valuable for resource-constrained public organizations.

목차 (Table of Contents)

• Ⅰ. 서론
• Ⅱ. 문헌검토
• Ⅲ. 연구방법
• Ⅳ. 분석결과
• Ⅴ. 논의 및 결론
• 참고문헌