오타 수정 및 model1 레포트 추가

src/components/card/InfoCard2.jsx

@@ -2,10 +2,10 @@ export const InfoCard2 = () => {
   return (
     <article className="relative p-5 pr-10 w-full h-40 flex justify-between bg-rose-200 rounded-lg shadow-lg">
       <hgroup>
-        <h4 className="text-sm font-bold opacity-70">상금채납자 조회</h4>
+        <h4 className="text-sm font-bold opacity-70">상습채납자 조회</h4>
 
         <h5 className="text-sm font-medium opacity-85">
-          혹시 나의 집주인이 상급채납자?!
+          혹시 나의 집주인이 상습채납자?!
         </h5>
         <a
           href="https://www.nts.go.kr/nts/cm/cntnts/cntntsView.do?mi=6685&cntntsId=8097"

src/pages/(insight)/InsightModel1Page.jsx

@@ -198,7 +198,25 @@ const InsightModel1Page = () => {
           </p>
         </InsightArticle>
 
-        <InsightArticle title={"4. 학습곡선"}>
+        <InsightArticle title={"4. 예측 오차"}>
+          <img
+            src="/insight/model-1/predictionerror.png"
+            width={500}
+            height={500}
+          />
+
+          <p className="mt-5 w-full">
+            실제 값과 예측 값의 비교를 시각화합니다. 이를 통해 예측이 실제 값에
+            얼마나 근접한지, 예측이 잘못된 정도를 확인할 수 있습니다.
+          </p>
+          <p className="mt-5 w-full">
+            완벽한 모델이라면 점들이 대각선(예측 값 = 실제 값) 위에 위치해야
+            합니다. 저희 모델의 그래프는 점들이 대각선 (예측값=실제값) 위에
+            위치해있으므로 예측이 실제 값에 매우 근접한 것을 알 수 있습니다.
+          </p>
+        </InsightArticle>
+
+        <InsightArticle title={"5. 학습곡선"}>
           <img
             src="/insight/model-1/learning-curve.png"
             width={500}
@@ -251,22 +269,26 @@ const InsightModel1Page = () => {
               점수는 더 높아질 수 있음.
             </li>
             <li className="mt-5">
-              <strong>결론</strong>: 데이터 크기가 커질수록 훈련 점수는 일반적으로 낮아지지만, 교차 검증
-              점수는 일반적으로 향상될 수 있음. 이는 모델이 데이터의 일반적인
-              패턴을 더 잘 학습하고 일반화할 수 있기 때문임. 따라서 데이터 크기가
-              증가할수록 모델의 성능 개선에 긍정적인 영향을 미칠 수 있음.
+              <strong>결론</strong>: 데이터 크기가 커질수록 훈련 점수는
+              일반적으로 낮아지지만, 교차 검증 점수는 일반적으로 향상될 수 있음.
+              이는 모델이 데이터의 일반적인 패턴을 더 잘 학습하고 일반화할 수
+              있기 때문임. 따라서 데이터 크기가 증가할수록 모델의 성능 개선에
+              긍정적인 영향을 미칠 수 있음.
             </li>
           </ol>
 
           <h4 className="w-full pt-5 text-xl font-medium">결론</h4>
           <p className="pl-3 mt-5">
-          저희가 구축한 XGBoost 모델은 전세 가격 예측에서 탁월한 성능을 보였습니다. 
-          데이터의 크기가 커질수록 훈련 점수는 미세하게 낮아지지만,
-          교차 검증 점수가 높아지는 경향을 통해 모델의 일반화 능력이 향상됨을 확인할 수 있었습니다.
-          이러한 결과는 모델이 데이터의 일반적인 패턴을 더 잘 학습하고,
-          과적합 문제를 완화하여 실제 예측에서 높은 정확도를 유지할 수 있음을 시사합니다. 따라서,
-          XGBoost 모델을 통해 예측한 적정 전세 가격은 신뢰할 수 있는 결과를 제공하며, 
-          이는 서비스 사용자들에게 큰 가치를 제공할 것입니다. 모델의 지속적인 개선과 데이터의 추가 수집을 통해 더욱 정확하고 신뢰성 있는 예측을 제공하겠습니다.
+            저희가 구축한 XGBoost 모델은 전세 가격 예측에서 탁월한 성능을
+            보였습니다. 데이터의 크기가 커질수록 훈련 점수는 미세하게
+            낮아지지만, 교차 검증 점수가 높아지는 경향을 통해 모델의 일반화
+            능력이 향상됨을 확인할 수 있었습니다. 이러한 결과는 모델이 데이터의
+            일반적인 패턴을 더 잘 학습하고, 과적합 문제를 완화하여 실제 예측에서
+            높은 정확도를 유지할 수 있음을 시사합니다. 따라서, XGBoost 모델을
+            통해 예측한 적정 전세 가격은 신뢰할 수 있는 결과를 제공하며, 이는
+            서비스 사용자들에게 큰 가치를 제공할 것입니다. 모델의 지속적인
+            개선과 데이터의 추가 수집을 통해 더욱 정확하고 신뢰성 있는 예측을
+            제공하겠습니다.
           </p>
         </InsightArticle>
       </section>