Evaluation

---

학습이 완료된 모델은 평가 탭을 이용해 실제 예측 결과를 실험하거나 데이터, 모델을 통한 인사이트 발굴이 가능합니다.
제공되는 인사이트 기능에는 모델의 성능을 평가하는 예측 기능과 시계열 데이터의 데이터 인사이트를 위한 시계열 분해 그리고 각 컬럼이 타겟에 얼마나 영향을 주는지 알 수 있는 인과 분석 기능이 있습니다.

데이터의 PurposeType에 따라 제공되는 인사이트 항목에 차이가 있습니다.

Training Result

인사이트 항목에서 예측을 선택하면 모델의 학습 결과를 평가할 수 있습니다.
예측 인사이트를 클릭한 뒤 평가 탭의 평가 모델 박스에서 평가하려는 모델을 실행합니다.
모델이 동작 중이면 그림과 같이 초록색으로 활성화됩니다.

• 모델 동작 버튼:
• 동작중인 모델 버튼 / 정지 버튼:

활성화된 모델을 선택한 후 평가 데이터의 형식을 선택합니다.
평가 데이터 형식은 API 타입, 파일 업로드, 데이터셋 형식을 지원합니다.

API 타입

컬럼 정보를 직접 수정하여 평가 버튼을 클릭하면 설정된 값의 예측값을 화면 중앙의 평가 결과 영역에 모델 예측 결과가 표시됩니다.

파일 업로드

평가 패널의 [파일] 버튼을 클릭하고 평가 데이터셋을 업로드하면 많은 데이터를 한 번에 예측할 수 있습니다.
[CSV] 아이콘을 누르면 선택한 모델에서 평가 가능한 샘플 파일이 다운로드 됩니다.

데이터셋

현재 학습된 데이터셋에 기반하여 사용자 정의 범위의 데이터를 평가할 수 있습니다.
아래 그림과 같이 범위 설정에서 범위 선택을 클릭하면 데이터셋이 포함하는 컬럼들 중 하나를 선택해 해당 컬럼의 특정 범위를 예측할 수 있습니다.

NOTE

모델이 예측에 민갑한 / 둔감한 영역을 평가하는데 유용합니다.

Causal Analysis

인과 분석은 학습된 모델이 판단하는 각 컬럼별 인과를 나타냅니다.
인과는 데이터에 포함된 컬럼 정보가 변할 때 다른 컬럼이 변하는 수치적 인과가 뚜렷한 정도를 도표로 나타냅니다.
인사이트 분석에서 인과 분석 카드를 클릭합니다. 평가 모델을 선택하고 데이터 형식을 데이터셋으로 선택한 뒤 실행 버튼을 클릭합니다.

NOTE

컬럼의 상관관계와는 차이가 있습니다. 데이터간의 상호 의존적인 지표는 상관관계이며 인과 관계는 하나의 요인으로 다른 데이터가 수치적으로 변하는, 원인과 결과가 명확한 관계입니다.

TimeSeries Decomposition

시계열 분해는 시계열 데이터의 종합적인 데이터 특성과 인사이트 분석을 위한 기능입니다.
시간 축을 기준으로 사용자가 선택한 컬럼의 주기, 계절, 정상성 등을 판단할 수 있습니다.
인사이트 항목에서 시계열 분해 카드를 선택합니다. 평가 모델을 선택하고 데이터 형식을 데이터셋으로 선택한 뒤 실행 버튼을 클릭합니다.

• X축
  시간 데이터의 분석 기준 값을 선택합니다. 연, 월, 일과 같은 일반적 시간 데이터와 일별, 요일별, 월별 과 같은 주기성 기준 값을 제공합니다.

  

• Y축
  분석하려 하는 대상 컬럼을 선택합니다.

• 시각화
  분석 데이터를 출력하는 시각화 정보를 선택합니다.
  Scatter(산점도), Line(라인), Bar(바차트), Box(박스플롯)을 제공합니다.

  

• 주기기준
  X축을 주기성 기준(년별, 요일별 등)으로 선택 한 경우 주기 데이터를 그룹화하는 방식을 선택합니다.
  평균, 최소, 최대, 1/3Q, 중앙값을 제공합니다.