잔차에 맞추는 정규분포(가우시안 혼합)의 봉우리 개수입니다. train·test 각각, 기본 1개. 그래프를 더블클릭하면 다시 열립니다.
민감도 범위
각 변수를 어느 구간에서 흔들지 직접 지정합니다. 최소·최대를 고치면 ±%가 자동으로 따라오고, ±%를 고치면 기준값을 중심으로 최소·최대가 다시 계산됩니다. 스케일이 다른 변수(예: 온도 300~400K, 압력 1~2bar)를 같은 %로 비교할 때 유용합니다. 그래프를 더블클릭하면 다시 열립니다.
엣지 표시
그래프에 그릴 연결선을 고릅니다. 변수가 많으면 상관 엣지가 수십 개라 그래프를 뒤덮습니다 — 그럴 때 상관을 끄면 영향 관계만 남아 읽기 쉬워집니다. 끄면 그 엣지에 붙은 라벨도 함께 사라집니다. 그래프를 더블클릭하면 다시 열립니다.
교락 표시
교락(식별성) 의심 변수에 붙는 ⚠ 아이콘·빨간 라벨·빨간 테두리를 그래프에서 숨깁니다. 발표·논문용으로 깔끔한 그림이 필요할 때 쓰세요. 끄더라도 그래프 아래 경고문과 «식별성·교락 점검» 패널은 그대로 남습니다. 그래프를 더블클릭하면 다시 열립니다.
분포 영역 (공분산 타원)
(실제값, 예측값) 점들의 공분산 타원 범위(k·σ)입니다. train·test 각각. 기본값은 최외곽 점이 경계에 놓이는 k입니다. 그래프를 더블클릭하면 다시 열립니다.
글자
축
보조선
그래프 색
반복 랜덤 분할 검증 — 모델 랭킹
PickMo
모두를 위한 AI 모델링
예측하려는 Y(타겟)와 입력 변수 X들을 표에 채워넣고, 학습할 모델을 아래에서 선택하세요. 엑셀에서 복사·붙여넣기가 가능합니다.
행
열
▶전문가 모드
데이터 / 평가 옵션
Y (타겟)
Train
Seed
전처리 / 평가 방식
사분위 %
K반복
GPE 가중치— 변경 후 [AI 모델링] 버튼을 다시 누르면 적용됩니다
Test RMSE+|차이|
재현성 검증 — 반복 랜덤 분할— 분할을 여러 번 다시 뽑아 순위가 분할의 운에 좌우되는지 확인합니다. 결과는 별도 창에 뜹니다
반복 횟수
학습할 모델을 선택하세요
📂 파일을 놓으면 현재 데이터가 새 데이터로 대체됩니다
CSV · TSV · TXT · JSON · XLSX 지원
샘플:
Ctrl+V 붙여넣기 · Ctrl+C 복사 · Del 삭제 · 컬럼 헤더 더블클릭 = Y 지정 · 파일 드래그&드롭으로 데이터 일괄 입력
▶변수 정의 & 공정 메타데이터(선택사항 — 입력 시 온톨로지 그래프 + AI 해석이 풍부해집니다)AI 자동 채움 적용됨