본 연구는 예방 가능한 병원 재입원율 감소를 목표로 하며, 머신 러닝 기법을 활용하여 건강 보험 청구 데이터를 분석하고 재입원에 영향을 미치는 요인을 식별하는 데 중점을 둡니다. 로지스틱 회귀, 랜덤 포레스트, 서포트 벡터 머신 등의 모델을 구축하여, 환자들의 인구 통계학적 및 의학적 요인을 예측 변수로 활용했습니다. 차원 축소 기법인 주성분 분석(PCA)을 적용하여 모델 성능을 개선하고, AUC(Area Under Curve) 지표를 통해 모델을 평가했습니다. 랜덤 포레스트 모델이 가장 높은 성능을 보였으며, 이를 통해 재입원 위험 환자를 조기에 식별하고 의료 서비스의 질을 향상시키는 데 기여할 수 있을 것으로 기대합니다.
