학습 상태
Dataset
150
Iris 샘플 수
Train / Test
105 / 45
학습과 테스트 분리
Accuracy
-
테스트 데이터 정답률
Loss
-
낮을수록 좋음
AI 모델을 이해하는 3단계
DATA
입력 특성
꽃받침 길이/너비, 꽃잎 길이/너비 4개 숫자가 모델 입력입니다.
MODEL
학습된 가중치
모델은 반복 학습으로 각 클래스에 유리한 숫자 조합을 찾습니다.
TEST
검증
학습에 쓰지 않은 데이터로 맞혔는지 확인해야 실제 성능을 판단할 수 있습니다.
학습 결과 시각화
혼동 행렬
행은 실제 정답, 열은 모델 예측입니다. 대각선이 많을수록 잘 맞힌 것입니다.
직접 테스트
아래 값을 바꾸고 예측하면 학습된 모델이 어떤 클래스로 판단하는지 볼 수 있습니다.
학습 후 예측을 실행하세요.
Iris 외 다른 AI 예제 5개
같은 “데이터 → 학습 → 테스트 → 예측” 흐름을 다른 업무에 적용하면 아래처럼 확장할 수 있습니다.
REGRESSION
주택 가격 예측
면적, 방 개수, 역세권 여부, 건축 연식으로 예상 가격을 예측합니다.
CLASSIFIER
스팸 메일 분류
메일 제목과 본문 단어를 보고 정상 메일과 스팸 메일을 분류합니다.
VISION
제품 불량 이미지 감지
카메라 이미지에서 스크래치, 찍힘, 누락 같은 불량 여부를 판단합니다.
TIME SERIES
설비 고장 예측
진동, 온도, 전류 데이터를 시간 순서로 분석해 고장 가능성을 예측합니다.
FORECAST
수요량 예측
과거 판매량, 요일, 시즌, 프로모션 정보를 사용해 다음 기간 수요를 예측합니다.