도구명 : 랜덤포레스트 회귀
여러 개의 회귀나무를 부트스트랩 표본으로 학습하고 예측값을 평균하는 앙상블 방법입니다. OOB(Out-of-Bag) 오차로 검증하고 순열 변수 중요도와 부분의존도를 제공합니다.
← 상위메뉴로
1. 데이터 입력
CSV 파일 업로드
표의 맨 위 칸(열1, 열2 …)에는 변수명을, 1행부터는 실제 데이터를 입력하세요. 대용량 데이터는 CSV 파일 업로드를 이용하세요.
모든 계산은 브라우저 안에서만 수행되며 데이터가 외부로 전송되지 않습니다.
2. 변수 선택 및 모델 설정
반응변수(Y, 숫자형)
숫자형 X
숫자형 X 선택
▾
범주형 X
범주형 X 선택
▾
트리 개수 (n_trees)
분할당 후보 변수 수 (mtry)
자동 (p/3)
수동 입력
mtry 값
최대 깊이 (0 = 무제한)
말단 노드 최소 표본 수
난수 시드
변수 중요도
순열 중요도 계산 (importance = TRUE)
교차검증
k-겹 교차검증 병행
랜덤포레스트 실행
초기화
데이터가 입력되면 자동으로 변수 목록이 갱신됩니다.
3. 결과
분석 데이터 및 설정
OOB 기준 회귀 성능
실측값 vs OOB 예측값
OOB 오차(MSE) 수렴 그래프
변수 중요도
CSV 다운로드
%IncMSE (순열)
IncNodePurity (SSE 감소)
부분의존도 (Partial Dependence)
변수 선택
다른 변수를 관측값으로 고정한 채 선택 변수만 변화시켰을 때의 평균 예측값입니다. 계단형 곡선은 나무 기반 모형의 특성입니다.
4. 예측
단건 예측
예측 실행
일괄 예측
일괄 예측 실행
결과 CSV 다운로드
엑셀에서 새 데이터를 복사해 아래에 붙여넣으세요. 첫 행이 변수명이면 이름으로 매칭하고, 변수명이 없으면 위 X 변수 순서와 동일한 것으로 간주합니다.