Comparative Study of Problem Gambling Prediction Models by Machine Learning Techniques

연구목적 이 연구의 목적은 첫째, 한국 스포츠베팅 이용자들을 대상으로 15가지의 도박 중독 위험요인 (인구 통계 정보, 도박 기대와 관련된 요인, 도박 습관 등)을 적용해 도박 중독 위험군과 일반군으로 구별하고, 둘째, 네 가지 기계학습 방법 (로지스틱 회귀분석, 의사결정나무, 랜던 포레스트, 그레디언트 부스팅 분류기) 중 최적의 모델을 식별한 후 도박 중독 위험군에 속한 이용자들이 도박 중독에빠지지 않기 위한 대안을 모색하는 것이다. 연구방법 국내 합법 스포츠베팅인 체육진흥투표권(스포츠토토)에 참여한 경험이 있는 인원을 대상으로 연구를 진행하였으며, 온라인 설문을 진행하였다. 기계학습 분석을 위해 데이터 (n=214)를 *.csv 파일형식으로 Python에 변형시켰다. 15가지의 도박 중독위험 요인을 사용하여 도박 중독 위험군과 일반군으로 분류될 것을 예측한 후 4가지의 기계학습 모델(로지스틱 회귀분석, 의사결정나무, 랜덤 포레스트 및 그래디언트 부스팅 분류기)을 훈련시켰다. 결과4개의 기계학습 모형을 훈련시킨 후 정밀도, 재현율, F1 및 정확도 값을 기준으로 모델의 적합성을 평가하였다. 이 중에서 랜덤 포레스트 모델 (정밀도 0.97, 재현율 0.86, F1 점수 0.91, 정확도 0.95)이다른 세 개의 분류기에 비해 가장 우수한 것으로 판단되었다. 결론 본 연구의 모델링에 활용된 비교적 작은 사이즈의 데이터로 결과의 일반화에는 다소간의 제역이 있을 것으로 판단된다. 하지만 본 연구는 4 가지의 기계학습을 활용하여 스포츠도박 위험군을 일반군과 구별할 수 있는 모델을 찾아냈다. 이 연구를 통해 스포츠도박 중독 위험군에 속한 이용자들이 도박 중독에 빠지지 않도록 도박 행위를 함에 있어서 통제력을 유지하여 도박중독으로부터 발생하는 문제와 피해를 최소화하는데 도움이 될 수 있을 것으로 기대한다.