image

.gemini/notes.md

@@ -3,19 +3,20 @@
 ## Technical Stack
 - **Runtime**: [Bun](https://bun.sh/)
 - **Language**: TypeScript (Preprocessing), Python (Machine Learning)
-- **ML Library**: [XGBoost](https://xgboost.readthedocs.io/), [scikit-learn](https://scikit-learn.org/)
+- **ML Library**: [XGBoost](https://xgboost.readthedocs.io/), [LightGBM](https://lightgbm.readthedocs.io/), [scikit-learn](https://scikit-learn.org/)
 - **TJA Parser**: [tja-parser](https://www.npmjs.com/package/tja-parser)
 
 ## Key Directories
-- `preprocess/`: TJA 파싱 및 피처 추출 로직 (TypeScript)
-- `script/`: 전처리, 학습 제어 스크립트
-- `train/`: XGBoost 학습 엔진 (Python)
+- `preprocess/`: TJA 파싱 및 피처/팩터 추출 로직 (TypeScript)
+- `script/`: 전처리, 학습 제어 및 결과 비교 스크립트
+- `train/`: 학습 엔진 (Python - XGBoost, LightGBM)
 - `predict/`: 추론 엔진 (Python)
 - `datas/tja/`: 원본 TJA 데이터셋
 - `datas/measure.csv`: 정답지 (상수 데이터)
-- `test/`: 학습 결과물 (model.pkl, scaler.pkl, features.json)
+- `output/`: 학습 모델(pkl/pkl), scaler, 결과 데이터(json/png)
 
 ## Data Flow
-1. `datas/tja/*.tja` → `script/preprocess.ts` → `test/features.json`
-2. `test/features.json` + `datas/measure.csv` → `train/train_xgboost.py` → `test/model.pkl`
-3. `test/model.pkl` + `test/features.json` → `predict/predict_xgboost.py` → Result
+1. `datas/tja/*.tja` → `preprocess/*.ts` → `temp.json` (features/factors)
+2. `temp.json` + `datas/measure.csv` → `train/*/train_*.py` → `model.*`, `scaler.*`
+3. `model.*` + `temp.json` → `predict/*/predict_*.py` → Prediction Result
+4. `script/compare_*.ts` → Evaluation (MAE) & Visualization (PNG)