본 논문에서는 환자의 예약 불이행(no-show) 예측을 위해 다중 헤드 어텐션 소프트 랜덤 포레스트(MHASRF) 모델을 제안합니다. 기존의 로지스틱 회귀, 랜덤 포레스트, 의사결정 트리와 같은 머신러닝 모델들은 경직된 의사결정 분할과 고정된 특징 중요도에 의존하여 환자의 복잡한 행동에 대한 적응성이 떨어지는 한계를 지닙니다. MHASRF 모델은 확률적 소프트 분할을 사용하여 어텐션 메커니즘을 랜덤 포레스트에 통합함으로써, 각 트리에 다른 어텐션 가중치를 할당하여 특정 환자 행동에 집중할 수 있도록 합니다. 실험 결과, MHASRF 모델은 93.56%의 정확도, 93.67%의 정밀도, 93.56%의 재현율, 93.59%의 F1 점수를 달성하여 기존 모델들을 능가하는 성능을 보였습니다. 또한, 트리 수준과 어텐션 메커니즘 수준의 두 가지 특징 중요도를 파악하여 환자의 예약 불이행 예측 변수에 대한 심층적인 통찰력을 제공합니다.
