새로운 소식
내용이 표시됩니다.
확인하기 닫기

엔진 종합 구조도 및 해설

EAN-BID PRO 예측 시스템의 전체 데이터 흐름과 앙상블(Ensemble) 가중치 융합 시퀀스입니다.
기초 데이터 수집부터 최종 사정율 도출까지의 완벽한 파이프라인을 시각화합니다.

8-Factor Data Input
G2B 나라장터에서 수집된 기본 정보(기초금액, 업종, 지역, 규모, 일자, 경쟁률, 최근 동향 등) 8가지 핵심 지표 추출
8-Factor AI Modules
통계학자들과 수십 년간의 낙찰 전문가들이 설계한 절대 삭제되지 않는 8개의 다각적 머신러닝 모듈 (하방경직 방지 등)
Auto-ML Engine (Gene X)
밤마다 스스로 과거 데이터를 파내어 조합식(방정식)을 창조해낸 변이 알고리즘들 중 적중률 50%를 넘긴 정예 부대
Multi-Algorithm Fusion Center
수십 개의 알고리즘이 뱉어낸 다양한 '적정 사정율' 값 들을 한 데 모은 뒤, 각 알고리즘의 과거 평균오차(MAE)와 샘플 수를 바탕으로 가중치(Confidence Vector)를 부여하여 융합 결합함.
Final Expected Rate
단 1개의 정밀한 최종 예측 사정율 도출
(예: +100.0345%)

핵심 로직 상세 해설

1. 앙상블 융합 기법 (Confidence Weighting)

단일 알고리즘 하나만을 맹신하면 대형 이변 시 치명적인 실패(Outlier)를 겪습니다. 우리 엔진은 Base 엔진 11개와 실시간 진화한 Auto-ML 엔진 수십 개를 동시에 가동합니다. 이후 각 엔진의 통계적 평균 오차율(MAE)을 역산하여, 오차가 적었던 녀석일수록 더 강한 투표권(Weight)을 주어 최종 결정을 내리는 완벽한 민주적 수리 융합(Mathematical Democratic Fusion)을 거칩니다.

2. 자가 공식 진화 기법 (Genetic Formula Evolution)

보통의 빅데이터 분석은 "A 지역은 100.05%가 많네?" 정도의 정적인 중앙값 탐색에 그칩니다. 하지만 우리 AI(Auto-Miner)는 그 중앙값 위에 자체적인 가중치 무기들(이동평균 추세승수, 경쟁률 변상승수, 표준편차 안전 버퍼 등)을 레고 블록처럼 랜덤 매칭하여, [ P50 값 + (경쟁률이 높으면 -0.03 하향) ] 과 같은 살아있는 방정식 전체를 창조해 냅니다.

3. 쓰레기 자동 퇴출 (Garbage Collection)

한 번 적중률이 높아 채용된 AI 알고리즘이라 하더라도, 시간이 지나면서 입찰 시장의 트렌드가 변하면 다시 멍청해집니다. 이를 방지하기 위해 시뮬레이터 통제실에서 1사이클을 돌릴 때마다, 적중률이 40% 미만으로 수직 낙하한 알고리즘들은 "시대 지연"으로 판정하고 과감히 자동 폐기시켜 시스템 슬럼프를 완벽히 예방합니다.

4. 이상점 제거 기법 (Outlier Trimming)

수십 개의 알고리즘이 예측값을 내놓았을 때, 아주 멍청한 알고리즘 1~2개가 결과를 통째로 오염시킬 수 있습니다. 이를 막기 위해 사분위수(IQR) 검증법을 도입하여, 상/하위 20%의 극단값(Outliers)은 과감히 버리고 중심밀집도가 가장 높은 중간 60% 파이프라인의 예측치로만 결론을 내어 예측 안정성을 극대화합니다.