넘스탯
DATA ANALYTICS & INSIGHTS
확률에서 LLM까지 – 데이터 사이언스 전문 교육 플랫폼
학습 메뉴
도움말
내 데이터를 넣는 순간, 기계학습은 남의 이야기가 아니게 됩니다
지금까지의 실습이 준비된 데이터였다면, 여기서는 여러분의 데이터가 주인공입니다. 파일을 업로드하고 예측하고 싶은 열(타깃)을 고르면, 서로 다른 4개 모델이 브라우저에서 실제로 학습되어 성능을 겨룹니다. 샘플로는 실제 붓꽃(Iris) 측정 데이터(Fisher 1936, 150송이)와 생성 규칙을 공개한 합성 주택 가격 데이터를 제공합니다.
이 페이지에서 배우고 나면
- CSV/JSON을 업로드하고 타깃 열만 고르면 분류/회귀 과제가 자동 판별되는 기준을 이해할 수 있습니다.
- 로지스틱 회귀·k-NN·나이브 베이즈·신경망(MLP)을 같은 데이터로 학습시켜 테스트 성능을 실측으로 비교할 수 있습니다.
- 70/30 분할과 표준화 같은 데이터 준비 단계가 결과에 왜 필요한지 설명할 수 있습니다.
데이터셋 업로드
파일 선택
CSV, JSON 파일 지원 — 데이터는 브라우저 안에서만 처리되며 서버로 전송되지 않습니다
샘플 데이터셋 사용하기
직접 해보기 — 실습 과제
- 붓꽃(Iris) 샘플로 4개 모델을 학습시키고, 테스트 정확도 1위 모델과 각 모델의 학습 시간을 기록해 보세요 — 가장 정확한 모델이 가장 느린 모델인가요?
- 주택 가격 샘플(생성 규칙 공개)로 회귀 모델들을 학습시키고, 선형 회귀가 유리하게 나오는 이유를 생성 규칙(선형 조합 + 노이즈)과 연결해 설명해 보세요.
- 숫자 열이 포함된 20행 이상의 CSV를 직접 업로드해, 타깃 열을 바꿔가며 과제 유형(분류/회귀) 판별이 어떻게 달라지는지 확인해 보세요.