Evaluation of Personal Income Prediction Models through Comparative Analysis of AI Techniques

본 연구는 인구통계 데이터를 활용해 개인 소득을 예측하고, 다양한 머신러닝 및 인공지능 기법의 성능을 비교하였 다. 개인 소득 예측은 금융기관의 대출 심사, 타겟 마케팅, 신용 평가와 같은 실무적 활용뿐만 아니라, 소득 불균형 해소와 세 제 설계 등 정책 수립 과정에서도 중요한 역할을 한다. 본 연구는 2001년 미국 인구통계 데이터에서 30,000개의 샘플을 추출 해 분석에 활용하였다. 소득 예측에 적용된 기법으로는 선형 회귀분석, 의사결정 나무, 랜덤 포리스트, 인공신경망, 그레디언 트 부스팅 등 5가지를 사용했으며, 각 기법의 성능은 10-fold 교차 검증을 통해 평가했다. 분석 결과, 인공신경망이 다른 기 법에 비해 가장 높은 예측 정확도를 보였으며, Wilcoxon 검정을 통해 통계적으로도 우수함을 확인했다. 본 연구는 소득 예측 문제에 다양한 기법을 적용하여 비교했다는 점에서 학문적으로 의미가 있으며, 금융기관과 정책 입안자들이 보다 정확하고 신뢰할 수 있는 소득 예측 모델을 활용하는 데 기여할 수 있다.