결정트리 학습 실험실

UTF-8 1 MiB 이하, 자료 5~2,000행, 2~32열을 지원합니다. 범주형 정답 열 1개와 나머지 특성 1~8개를 선택하고 특성 타입은 직접 지정합니다. 선택한 셀의 빈값·잘못된 따옴표·행 너비 불일치·중복 헤더는 오류이며 사용하지 않는 빈 셀은 허용합니다. 빈 레코드는 건너뜁니다. 정답 레이블은 전체 입력에서 최대 12종입니다.

seed로 행 인덱스를 먼저 나누며 학습 행만 클래스 빈도·숫자 경계·범주 사전에 사용합니다. 전체 행의 입력 상한을 검사하거나 최종 혼동행렬을 만드는 일은 학습과 구분됩니다. 검증에만 있는 정답 클래스가 예측 잎의 클래스가 되지는 않습니다. 범주형 특성은 학습 행의 서로 다른 값이 32개 이하여야 하며 검증의 미학습 값은 별도로 집계합니다.

외부 학습 라이브러리가 아닌 자체 greedy binary Gini 규약입니다. 숫자는 학습에서 관측한 값 이하, 범주는 한 값과 일치하는지로 이진 분할합니다. 최소 자식 행 수를 만족하는 이 범위의 모든 후보 중 가중 자식 불순도가 가장 낮고 개선이 양수인 후보를 선택합니다. 정수 빈도의 유리수는 정확하게 비교합니다. 동률은 선택한 특성 순서와 숫자·범주의 코드 단위 오름차순, 잎의 클래스 동률도 코드 단위 순서로 정합니다. 전역 최적 트리나 다른 라이브러리와 같은 결과를 보장하지 않습니다.

정확도는 해당 집합에서 맞힌 행 수를 전체 행 수로 나눈 값입니다. 혼동행렬은 행이 실제 정답, 열이 예측 레이블입니다. 차이는 학습 정확도에서 검증 정확도를 뺀 퍼센트포인트입니다. 양수 차이는 과적합을 검토할 계기지만 작은 무작위 분할 한 번에는 불확실성이 있습니다. 같은 검증 점수를 보며 설정을 계속 고르면 독립 검증의 의미가 약해집니다.

아닙니다. 같은 행 순서와 설정에서 단순 행 섞기를 재현할 뿐 클래스 비율 유지·사람이나 그룹 격리·시간 순서 보존·누수 열 탐지를 수행하지 않습니다. 학습 행과 같은 특성 벡터가 있는 검증 행 수는 경고로 표시하고 삭제하지 않습니다. 상관된 행이나 정답에서 파생된 특성은 점수를 부풀릴 수 있습니다. 그룹·시간 기준 분할은 별도로 준비해야 합니다.

CSV는 화면 필터나 페이지와 관계없이 모든 입력 행의 선택 특성·학습/검증 구분·실제/예측 레이블·노드 경로를 담습니다. JSON에는 전체 모형·설정·경고·두 점수도 들어갑니다. 숫자 셀은 원래 표기가 아닌 해석된 binary64 값입니다. SVG는 최대 127개 모든 노드와 축약 라벨·전체 title 텍스트를 담고, 화면의 분기 표는 조건 전체를 보여줍니다. 저장 버튼을 눌러야 파일을 만듭니다.