본 논문은 소방관의 과도한 출동을 야기하는 화재 경보 오류를 줄이기 위한 정확하고 효율적인 가중 앙상블 모델을 제시합니다. 고밀도 및 저밀도 영역에 따라 가중치를 계산하고, 고밀도 영역의 가중치는 KNN에, 저밀도 영역의 가중치는 XGBoost에 전달하여 예측 결과를 결합하는 방식입니다. 제안된 모델은 출동 시간 단축, 화재 안전 증대, 피해 최소화에 효과적이며, 특별히 설계된 데이터셋을 사용하여 성능을 검증하였습니다. 비교 대상으로 로지스틱 회귀, 의사결정 트리, 랜덤 포레스트, 나이브 베이즈, K-최근접 이웃, 서포트 벡터 머신, 극한 그래디언트 부스팅, 적응형 부스팅 등 다양한 머신러닝 모델을 SMOTE 재샘플링 기법과 함께 활용하였고, 모든 모델의 결과를 비교 분석하여 종합적인 연구 결과를 제시합니다.
