NG부스트는 법원 경매 물건의 낙찰가를 예측하는 얼마써 예상낙찰가 모델 21개 중 하나입니다. 매달 실제 낙찰 결과와 대조해 채점하며, 물건의 조건이 이 모델에 맞을 때 그 값이 예상낙찰가로 채택됩니다. 성적만으로 정하지 않습니다.
| 정식 명칭 | NGBoost |
|---|---|
| 전술 | "얼마"가 아니라 "얼마일 확률이 얼마나"를 계산하고 움직인다. |
| 강점 | 지식산업센터 리그 우승 + 경기장 10승. 예측 신뢰구간 출력 가능 — 미래 구간예측 서비스 후보. |
| 약점 | 전반 성적은 중위권. 확신이 필요한 순간에 신중하다. |
스탠퍼드 ML그룹 출신, 2019년 데뷔. 리그 유일의 확률파.
자연 그래디언트 부스팅 — 값 하나가 아니라 확률분포의 파라미터(평균과 불확실성 폭)를 통째로 학습한다. 분포 공간의 기하학에 맞춘 자연 그래디언트로 안정적으로 수렴.
의료 예후 예측·수요 예측 등 "얼마나 확신하는가"가 값만큼 중요한 분야.
점(點) 예측 11팀 전체와 체급이 다른 싸움 — 유일하게 "모른다"를 숫자로 말하는 팀.
남들이 답을 말할 때 확률을 말하는 팀 — 언젠가 이 능력이 상품이 된다.
Duan et al. (2020) "NGBoost: Natural Gradient Boosting for Probabilistic Prediction", ICML — 스탠퍼드 Andrew Ng 그룹.
점 추정이 아니라 조건부 확률분포 P(y|x)의 파라미터(예: 정규분포의 μ, log σ)를 부스팅으로 학습. 적절 채점 규칙(proper scoring rule — 로그 점수·CRPS)을 손실로 쓰고, 분포 공간의 기하를 반영한 자연 그래디언트(피셔 정보의 역행렬 보정)로 안정적으로 최적화한다.
각 분포 파라미터마다 기본 학습기(얕은 트리) 계열을 병렬로 부스팅. 출력은 평균과 함께 불확실성 폭.
파라미터 수만큼 부스팅을 병행해 동급 대비 느리지만, 예측 구간을 원리적으로 산출한다.
의료 예후·수요 예측 등 불확실성 정량화가 필수인 분야에서 채택 확산. 본 리그에서는 향후 구간예측 서비스의 이론적 기반.
전체 모델 보기 → 경매 물건에서 예상낙찰가 확인하기 →
얼마써 — 사건번호만 입력하면 법원경매 물건의 예상낙찰가를 AI가 계산합니다. 여러 방식이 낸 값을 실제 낙찰가와 매달 대조해 검증합니다. 입찰가 결정은 경매 참여자 본인의 판단이며, 예상낙찰가는 통계 기반 참고치입니다. 입찰 전 법원 공고와 현장을 반드시 확인하세요.