40분
예측 불확실성: MC Dropout & Conformal Prediction
Day 4: RUL 예측 (잔여수명 예측)
예측 불확실성: MC Dropout & Conformal Prediction
예지보전 — 설비 고장 예측 시스템 > Day 4: RUL 예측 (잔여수명 예측)
학습 목표
Monte Carlo Dropout으로 예측 불확실성을 추정할 수 있다 Conformal Prediction으로 신뢰 구간을 생성할 수 있다 불확실성 정보가 정비 의사결정에 어떻게 활용되는지 이해한다
예측 불확실성이 중요한 이유
"RUL = 50" 보다 "RUL = 50 +/- 10 (90% 신뢰)"가 의사결정에 유용하다.
에디터 로딩 중...
아래 코드를 uncertainty.py로 저장하고 실행하세요.
에디터 로딩 중...
힌트 보기
- • MC Dropout은 학습 모드(train)로 여러 번 추론하여 분포를 추정한다
- • Conformal Prediction은 모델에 무관하게(model-agnostic) 유효한 신뢰구간을 제공한다
- • 불확실성이 높으면 보수적 판단(조기 점검)을 해야 한다
- • alpha=0.1은 90% 커버리지 목표, alpha=0.05는 95% 커버리지