맥진 데이터 기반 한의학 체질 분류 모델

맥진(脈診) 센서 데이터를 활용하여 한의학의 한열(寒熱) 및 허실(虛實) 체질을 자동으로 분류하는 머신러닝 프로젝트입니다.

📌 프로젝트 개요

목적

• 좌수(左手) 맥진 신호 분석을 통한 객관적 체질 진단 보조 시스템 개발
• 전통적인 맥진의 정량화 및 자동화

데이터

• 샘플 수: 100명
• 원본 특성: 99개 맥진 측정 지표
  • 혈압 및 순환계 지표
  • 맥파 형태 및 진폭
  • 시간 및 주파수 특성
  • 에너지 및 변동성 지표
• 분류 태스크:
  • 한열(寒熱): 한증(寒證) vs 열증(熱證)
  • 허실(虛實): 허증(虛證) vs 실증(實證)

🔬 방법론

1. 데이터 전처리

특성 간 상관관계 분석을 통한 중복 제거:

• 완전 중복 특성 제거 (상관계수 = 1.0)
• 고상관 특성 제거 (상관계수 > 0.95)
• 저분산 특성 제거
• 결과: 99개 → 73개 특성

2. 특성 선택 (Feature Selection)

다각도 평가를 통한 중요 특성 선별:

• F-test: 통계적 유의성 기반
• Mutual Information: 정보량 기반
• Random Forest Importance: 모델 기반 중요도
• RFE (Recursive Feature Elimination): 재귀적 제거

투표 방식: 4가지 방법 중 2개 이상 선택한 특성만 채택
결과: 73개 → 39개 특성

3. 최적 특성 개수 결정

• 성능 비교 방법: 특성 개수별 교차 검증 성능 측정
• SFS (Sequential Feature Selection): Forward 방식으로 최적 조합 탐색
• 두 방법의 공통 선택 특성 추출
• 최종 선택: 8개 핵심 특성

선택된 8개 특성

1. MeanResp_Left - 평균 호흡수
2. Cardiac Output_left - 심박출량
3. H5_left - 5번째 맥파 피크
4. W_R_Left - 맥파 폭
5. ECO(%)_Left - 에너지 효율
6. T4_R_Left - 4번째 시간 특성
7. T5_R_Left - 5번째 시간 특성
8. STD_PR_R_Left - 맥박 변동성

추후 실험 시 변동 가능

4. 모델 학습 및 평가

Nested Cross-Validation

과적합 방지 및 정직한 성능 평가를 위한 이중 교차 검증:

• 외부 5-fold CV: 일반화 성능 평가
• 내부 3-fold CV: 하이퍼파라미터 튜닝
• 데이터 누수(Data Leakage) 완전 차단

평가 모델

1. Logistic Regression

   • L1/L2 정규화
   • GridSearchCV로 최적 하이퍼파라미터 탐색

2. Random Forest

   • 앙상블 기반 비선형 모델
   • 트리 깊이 및 샘플 수 최적화

3. SVM (Support Vector Machine)

   • RBF 및 Linear 커널 비교
   • C 및 gamma 파라미터 조정

4. Gradient Boosting

   • 순차적 앙상블 학습
   • Learning rate 및 subsample 최적화

5. MLP (Multi-Layer Perceptron)

   • 얇은 신경망 구조 (1-hidden layer, 16 neurons)
   • Dropout, BatchNorm, L2 정규화로 과적합 방지
   • Early Stopping 적용

📁 프로젝트 구조

.
├── 좌수_특성.csv              # 맥진 특성 데이터
├── 좌수_한열_레이블.csv        # 한열 레이블
├── 좌수_허실_레이블.csv        # 허실 레이블
├── model.py                   # 전통적 ML 모델 학습 (LR, RF, SVM, GB)
├── mlp.py                     # 신경망 모델 학습
└── README.md                  # 프로젝트 설명서

📊 주요 기술적 특징

과적합 방지 전략

1. 특성 축소: 99개 → 8개 (91% 감소)
2. 정규화: L1/L2, Dropout, Weight Decay
3. Nested CV: 데이터 누수 완전 차단
4. Early Stopping: 과학습 자동 중단
5. 샘플:특성 비율 최적화: 12.5:1 (100 샘플 / 8 특성)

재현성 보장

• Random seed 고정 (42)
• Stratified K-Fold로 클래스 균형 유지
• 동일한 전처리 파이프라인

데이터 누수 방지

• 각 CV fold마다 독립적으로 스케일링
• Test set은 transform만 적용
• 특성 선택도 train set에서만 수행

💡 핵심 인사이트

1. Less is More

• 많은 특성보다 핵심 특성이 중요
• 8개가 12개보다 성능 우수 (과적합 감소)

2. 특성 선택의 중요성

• 다양한 방법의 교집합이 가장 안정적
• 단일 방법은 과적합 가능성

3. 모델별 특성

• Gradient Boosting: 비선형 패턴 학습에 강함
• Logistic Regression: 안정적이고 해석 가능
• MLP: 복잡도 제어 시 경쟁력 있음

4. 데이터 크기의 한계

• 샘플 100개는 딥러닝에 제한적
• 얇은 구조 + 강한 정규화 필수

🛠️ 기술 스택

• 언어: Python 3.8+
• 데이터 처리: pandas, numpy
• 머신러닝: scikit-learn
• 딥러닝: PyTorch
• 시각화: matplotlib, seaborn

📖 참고 자료

사용된 알고리즘

• Logistic Regression
• Random Forest
• Support Vector Machines
• Gradient Boosting
• Multi-Layer Perceptron

Cross-Validation

• Nested Cross-Validation
• Stratified K-Fold

🔮 향후 계획

• 허실(虛實) 분류 모델 개발
• 우수(右手) 맥진 데이터 통합

📄 라이선스

이 프로젝트는 학술 연구 목적으로 제작되었습니다.

👥 기여

버그 리포트, 기능 제안, 코드 개선은 언제나 환영합니다!

📧 문의

프로젝트 관련 문의사항이 있으시면 Issue를 등록해주세요.