DB 연결 오류: PostgreSQL에 연결할 수 없습니다. Docker Desktop이 실행 중인지 확인하세요.
데이터가 축적될수록 KPI 수치가 정확해집니다. 경주 종료 후 '결과 가져오기 → 분석 실행'을 반복하세요.
우승 정확도
--
AI가 1위로 예측한 말이 실제 1위를 한 비율
= 우승 적중 횟수 ÷ 전체 예측 경주 수
입상 정확도 (상위 3위)
--
AI 예측 상위 3마리 중 실제 3위 이내에 들어온 비율
= 상위3 적중 수 ÷ (예측 경주 수 × 3)
투자 수익률 (ROI)
--
AI 추천대로 베팅 시 수익률. 1.0x=본전, 1.2x=20%수익
= 총 회수금액 ÷ 총 투자금액
안정성 지수
--
수익의 안정성 (높을수록 꾸준히 수익). 1.0 이상이면 양호
= 평균 수익률 ÷ 수익률의 변동폭
API 응답시간
--
ms (밀리초)
사용자 요청 후 서버가 응답하기까지 걸리는 시간. 500ms 이하면 양호
예측 계산시간
--
ms (밀리초)
AI 모델이 1개 경주의 예측 결과를 산출하는 데 걸리는 시간
캐시 적중률
--
%
이미 계산된 결과를 재활용한 비율. 높을수록 서버 부하 감소
예측 신뢰도
--
%
AI가 자신의 예측에 대해 부여한 확신도. 70% 이상이면 높은 신뢰
RL 정책 학습 결과를 표시합니다. models/ 폴더의 학습 로그에서 자동 반영됩니다.
전략 버전
--
현재 적용 중인 AI 투자 전략의 버전 번호
학습 반복 횟수
--
AI가 과거 데이터로 투자 전략을 연습한 총 횟수. 많을수록 경험이 풍부
학습 상태
--
AI가 현재 새로운 데이터로 전략을 업데이트하고 있는지 여부
평균 학습 성과
--
AI가 연습(시뮬레이션)에서 받은 평균 점수. 높을수록 전략이 우수
베팅 기록
1,000
5,000
10,000
50,000
직접입력
경주와 마번을 선택하면 여기에 요약이 표시됩니다.
투자 자금 현황
AI 시뮬레이션 기준 가상 자금의 변화 현황
시작 자금--
현재 자금--
최고 자금--
최대 손실폭--
자금 성장률--
AI 판단 분포
AI가 경주별로 '베팅 추천' vs '패스 추천'을 한 비율
평균 투자 비중
--
한 경주에 자금의 몇 %를 투자하는지 평균
학습 지표
AI 전략 학습의 진행 상황을 보여주는 기술 지표
누적 수익--
학습 탐색도--
예측 오차--
전략 개선도--
학습 탐색도: 높으면 다양한 전략 시도 중, 낮으면 최적 전략에 수렴
예측 오차·전략 개선도: 0에 가까울수록 학습이 안정적
투자 자금 추이 차트
AI 시뮬레이션 기준으로 가상 자금이 어떻게 변화했는지 보여줍니다
사후분석 결과가 쌓이면 실제 모델 성능이 표시됩니다. 경주 결과 가져오기 → 분석을 반복하세요.
모델 버전
--
현재 사용 중인 AI 예측 모델의 버전
분류 정확도 (AUC-ROC)
--
0.5~1.0 범위
AI가 우승마를 얼마나 잘 구분하는지. 0.5=찍기, 0.8↑=우수, 1.0=완벽
예측 정밀도 (Log Loss)
--
낮을수록 좋음
AI가 예측 확률을 얼마나 정확히 매겼는지. 0에 가까울수록 정밀
순위 예측력 (NDCG@3)
--
0.0~1.0 범위
상위 3마리의 순위를 얼마나 정확히 맞추는지. 1.0이면 완벽 순위 예측
확률 보정 오차
--
AI가 "30% 확률"이라 한 말이 실제 30%로 이기는지. 0에 가까울수록 정확
종합 예측 점수
--
예측 확률과 실제 결과의 종합 오차. 0에 가까울수록 예측력이 높음
학습 데이터 수
--
AI가 학습에 사용한 과거 경주 데이터 건수. 많을수록 학습 기반이 탄탄
검증 데이터 수
--
학습 후 성능 확인에 사용한 별도 데이터 건수 (학습에 미사용)
데이터 변화 감지
최근 경주 데이터의 패턴이 AI가 학습했던 과거 데이터와 얼마나 달라졌는지 측정합니다. 변화가 크면 AI 모델 재학습이 필요할 수 있습니다.
항목별 데이터 변화 점수
각 예측 요소(체중, 배당률, 기수 등)가 과거 대비 얼마나 변했는지 보여줍니다. 점수가 높으면 해당 요소의 패턴이 크게 변한 것이므로 주의가 필요합니다.
DB에 저장된 실제 데이터 현황입니다. 크롤링 및 CSV 임포트를 통해 데이터가 축적됩니다.
데이터 수집 상태
각 데이터 소스별 수집 완료율을 보여줍니다
로딩 중...