데이터 마이닝 프로젝트

미세먼지 중심의 의료 취약 지역 재정의

• LatLng

  • 행정구역시군구_경계 (파일이 커서 직접 다운로드 후 사용해야 합니다.
  • https://drive.google.com/drive/folders/1N-fPoLz3qM2ozBbYCdtk6FhaCt4RX1iM?usp=drive_link
  • 출처 : https://www.data.go.kr/data/15125045/fileData.do?recommendDataYn=Y#

• hazard_facility

  • 시군구 단위 대기 배출원
  • 출처 : https://www.data.go.kr/data/15068820/fileData.do

• pm10.csv

  • pm10 미세먼지 데이터
  • 출처: https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3FtblId%3DDT_106N_03_0200045%26orgId%3D106%26

• pm25.csv

  • pm2.5 미세먼지 데이터
  • 출처: https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Fconn_path%3DI3%26tblId%3DDT_106N_03_0200145%26orgId%3D106%26

• population.csv

  • 지역별 인구수
  • 출처 : https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3FtblId%3DDT_1B040A3%26orgId%3D101%26

• hospital.xlsx

  • 지역별 병원 수 -> hospital_compined.csv(각 필드 병합) -> hospital_cleaned.csv
  • 출처 : https://opendata.hira.or.kr/op/opc/olapYadmStatInfoTab2.do

• area.csv

  • 지역별 면적
  • 출처 : https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Fconn_path%3DI2%26tblId%3DDT_1YL21291E%26orgId%3D101%26

• elderly_pop.csv

  • 고령인구비율 데이터
  • https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Fconn_path%3DI2%26tblId%3DDT_1YL20631%26orgId%3D101%26

• outpatient, patient(atopic)

  • 아토피 왜래, 내원환자 데이터
  • https://www.data.go.kr/data/15104805/fileData.do

• outpatient, patient(rhinitis)

  • 비염 왜래, 내원환자 데이터
  • https://www.data.go.kr/data/15104804/fileData.do?recommendDataYn=Y

• outpatient, patient(asthma) / city_county_code

  • 천식 외래, 내원환자 데이터, 시군구 코드 데이터
  • https://www.data.go.kr/data/15104806/fileData.do?recommendDataYn=Y

• progressing_score.ipynb(1번째로 실행)

  • pm2.5, pm10 데이터 전처리 및 병합
  • 병원 수, 지역 면적, 인구 수, 고령인구 비율을 전처리하여 tmp_score_result.csv 도출 후 main.ipynb에서 사용

• respiratory_case.ipynb(2번째로 실행)

  • patient, outpatient(asthma) / patient, outpatient(atopic) / patient, outpatient(rhinitis) + city_county_code 천식, 아토피, 비염 각 외래, 내원 환자수 전처리 + 시군구 데이터 병합

• main.ipynb (3번째로 실행)

  • 유해시설 점수 평가
  • 클러스터링을 통한 미세먼지 중심 의료취약지역 선정
  • 자료 시각화
  • XGBoost 모델 학습

• 실행 및 테스트 환경

  • python 3.11.9, 3.12.7
  • 추가 install
  • pip install folium
  • pip install geopandas
  • pip install numpy
  • pip install pandas
  • pip install xgboost
  • pip install openpyxl
  • pip install scikit-learn
  • pip install matplotlib
  • pip install imbalanced-learn