본 논문은 에이전트 기반 시뮬레이션의 결과가 모 델링 대상 시스템의 관측결과와 차이 나는 문제점을 해결하는 방법을 소개한다. 본 논문은 이러한 문제점 을 기계학습을 활용하여 해결한다. 문제 해결을 위하 여 에이전트를 군집화 한 후 에이전트의 전략을 결정 하는, 각 군집에 할당된 미시 파라미터를 교정하여 시뮬레이션 오차를 감소시킨다. 본 논문에서는 에이 전트의 인구 통계학적 자료와 지리적 자료 및 시뮬레 이션 에이전트 특성 자료를 사용하여 확률적 자기부 호화기를 통하여 에이전트의 잠재 표현을 구한 후, 디리클레 프로세스 혼합 모형을 이용하여 군집 분석 을 수행한다. 군집화 이후 베이지안 최적화를 이용한 가우시안 프로세스를 이용하여 미시 파라미터 교정을 수행한다.