커스텀 데이터셋 실습

실측 요약 — 이 실습이 보여주는 것

내 CSV/JSON을 업로드하거나 샘플 데이터를 골라 타깃 열을 지정하면, 분류면 4개 모델(소프트맥스 회귀·k-NN(k=5)·가우시안 나이브 베이즈·MLP 은닉 32), 회귀면 3개 모델이 브라우저에서 실제로 학습되어 70/30 분할의 테스트 성능으로 겨루는 실험입니다. 데이터는 서버로 전송되지 않고 브라우저 안에서만 처리됩니다.

• 붓꽃 샘플은 Fisher(1936)의 실측 150송이(3품종 × 50) — 시드 고정 70/30 분할로 학습 105송이 / 테스트 45송이(Setosa 15·Versicolor 13·Virginica 17)가 항상 동일하게 나뉜다. Setosa는 꽃잎 길이 최대 1.9cm vs 나머지 품종 최소 3.0cm로 선형 분리 가능해 어떤 모델이든 이 품종은 놓치지 않는다
• 주택 가격 샘플은 생성 규칙을 공개한 합성 데이터: price = 30,000×방 + 150×면적 − 1,000×연식 + 20,000×입지 + 가우시안 노이즈(σ=20,000) — 규칙이 완전 선형이라 이론상 도달 가능한 최대 R²가 약 0.97이며, 선형 회귀가 유리하게 나오는 것이 정상이다
• 과제 유형은 타깃 열이 결정한다: 숫자이면서 고유값이 10개를 넘으면 회귀, 아니면 분류로 자동 판별 — 같은 파일도 타깃을 바꾸면 과제가 바뀐다. 테스트가 45행 남짓이라 실행마다 모델 순위가 뒤집힐 수 있는데, 그 흔들림 자체가 교차검증이 필요한 이유다

바로잡는 오개념: "가장 복잡한 모델(신경망)이 항상 이긴다"는 기대 — 공짜 점심은 없다(No Free Lunch). 작은 데이터에서는 단순한 모델이 신경망을 이기는 일이 흔하며, 그래서 실무는 여러 모델을 같은 데이터로 실측 비교한다.