COVID-19 확진자 예측: 전통적 모델 vs 딥러닝

"데이터 과학으로 바라본 팬데믹 트렌드"

github link : https://github.com/Thingjae98/covid_data

GitHub - Thingjae98/covid_data

 

 

🌍 프로젝트 개요

 

2020년 전 세계를 강타한 COVID-19 팬데믹은 데이터 과학의 중요성을 다시 한번 일깨워주었습니다.
이 프로젝트에서는 미국 COVID-19 일별 확진자 데이터를 활용해 두 가지 시계열 모델(LSTM과 Prophet)로 미래 확진자를 예측하고, 각 모델의 성능과 특징을 비교 분석했습니다.

 

 

🛠️ 사용 기술 스택

- 데이터 수집 : Johns Hopkins University COVID-19 Dataset (GitHub API)
- 분석 도구 : Python 3.10, Jupyter Notebook  
- 주요 라이브러리 :  
  ▶ `TensorFlow` (LSTM 딥러닝 모델)  
  ▶ `Prophet` (메타의 시계열 예측 도구)  
  ▶ `Pandas` (데이터 전처리)  
  ▶ `Matplotlib/Plotly` (시각화)

 

📊 분석 과정

1. 데이터 수집 & 전처리

원본 데이터: JHU CSSE GitHub을 비교 분석했습니다.

 

전처리:

us_data = raw_data[raw_data['Country/Region'] == 'US'].iloc[:, 4:].T
us_data = us_data.rename(columns={us_data.columns[0]: 'Confirmed'})

 

2. 모델 구축

(A) LSTM (장단기 메모리 네트워크)

30일 윈도우 기반 예측으로 진행 + MinMaxScaler로 데이터 정규화

# LSTM 모델 구성
model = Sequential()
model.add(LSTM(50, return_sequences=True, input_shape=(X.shape[1], 1)))
model.add(LSTM(50))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')

 

 

(B) Facebook Prophet

휴일 효과 및 계절성 자동 감지

# Prophet용 데이터 포맷팅 (ds: 날짜, y: 타겟 값)
prophet_df = us_data.rename(columns={'Date': 'ds', 'Confirmed': 'y'})

# 모델 훈련
model = Prophet(weekly_seasonality=True, daily_seasonality=False)
model.fit(prophet_df)

# 실제 값 (예: us_data의 마지막 30일)
actual_values = us_data['Confirmed'][-30:].values

# 예측 값
predicted_values = forecast['yhat'][-30:].values

 

3. 예측 결과 비교

Metric	LSTM	Prophet
MAE	491578.63	266745.54
R² Score	1.00	0.06

 

 

🔍 인사이트 : 모델 성능 역전 현상

(1) MAE (Mean Absolute Error)

Prophet이 LSTM보다 오차가 45% 더 낮음
→ 일반적으로 LSTM은 복잡한 패턴 학습에 강점을 보이지만, 과적합(Overfitting) 또는 데이터 스케일 문제가 발생했을 가능성.

(2) R² Score (결정 계수)

- LSTM R²=1.00: 완벽한 과적합 신호
훈련 데이터를 100% 설명하지만, 실제로는 무의미한 예측을 하고 있을 수 있음.
예: 훈련 데이터를 단순히 외운 상태

- Prophet R²=0.06: 거의 예측력 없음
모델이 데이터의 변동성을 전혀 설명하지 못함.

 

🧐 원인 분석

1. 데이터 문제

스케일 불일치:
LSTM은 보통 정규화된 데이터(MinMaxScaler)로 훈련되지만, Prophet은 원본 스케일 사용.
확진자 수가 매우 큰 값일 경우 LSTM의 출력 계층(Dense(1))이 발산할 수 있음.

2. 모델 구조 문제

LSTM 과적합:
너무 많은 노드(LSTM(50)) 또는 부족한 드롭아웃 층.
개선안: 층 수 줄이기 + 드롭아웃 추가.

model = Sequential([
    LSTM(16, input_shape=(30, 1)),  # 노드 수 감소
    Dropout(0.3),                  # 드롭아웃 추가
    Dense(1)
])

3. 평가 방식 문제

Train/Test 분할 오류:
훈련 데이터와 테스트 데이터가 시간 순으로 분할되지 않음 → 데이터 누수(Leakage) 발생 가능성.
해결책: 시계열 분할 사용.

from sklearn.model_selection import TimeSeriesSplit
tscv = TimeSeriesSplit(n_splits=5)

 

4. Prophet의 계절성 설정

과도한 계절성:
COVID-19 데이터는 외부 요인(봉쇄, 백신)이 크게 작용 → Prophet의 기본 계절성 설정이 부적합.
개선안: 휴일 효과 추가 또는 계절성 조정.

model = Prophet(
    yearly_seasonality=False,  # 연간 계절성 제거
    weekly_seasonality=True,
    changepoint_prior_scale=0.5  # 트렌드 유연성 조정
)

 

📈 개선을 위한 Action Items

- 데이터 재검토
- 정규화 여부 확인 (LSTM은 반드시 MinMaxScaler 적용).
- 이상치 제거: 갑작스러운 확진자 폭발 구간 필터링.

(A) LSTM 모델 수정

1) Early Stopping 적용 :

from tensorflow.keras.callbacks import EarlyStopping
callback = EarlyStopping(monitor='val_loss', patience=5)
model.fit(..., callbacks=[callback])

2) 노드 수 감소 + 교차 검증.

 

(B) Prophet 튜닝

1) 외부 변수 추가 (봉쇄 기간, 백신 접종률 등).

 

2) changepoint_prior_scale 조정으로 트렌드 민감도 개선.

3) 평가 지표 보완
MAPE(Mean Absolute Percentage Error) 추가:

from sklearn.metrics import mean_absolute_percentage_error
print("MAPE:", mean_absolute_percentage_error(y_true, y_pred))

 

 

💡 최종 결론

- LSTM은 현재 과적합 상태로, 실제 예측력이 없을 가능성이 높습니다.

- Prophet은 낮은 R²로 인해 트렌드 추적 실패했지만, MAE가 더 낮아 LSTM보다 실용적일 수 있습니다.

다음 단계: 외부 변수 추가 + 모델 구조 단순화로 재실험 권장.