예측 모델 만들기

기계 학습 사용 시기

회사에 과거의 의사결정에 대한 많은 데이터 세트가 있는 경우 데이터 사이언티스트는 이 데이터를 사용하여 기계 학습 모델을 작성할 수 있습니다. 이 모델은 이 데이터를 기반으로 새 의사결정의 결과를 예측할 수 있습니다. 예측의 정확도는 데이터 세트의 크기와 범위에 따라 다를 수 있습니다.

의사결정 모델을 디자인하고 구현할 때 또는 그 후에 의사결정을 설명하는 규칙을 예측을 수행하는 기계 학습과 결합하여 의사결정 모델을 풍부하게 할 수 있습니다.

의사결정 모델에서 기계 학습을 사용하는 방법

데이터 과학자는 Watson Machine Learning 과 같은 머신 러닝 플랫폼에 머신 러닝 모델을 배포합니다. 그런 다음 의사 결정 서비스에서 모델 배포가 포함된 머신 러닝 공급자에 대한 액세스를 구성해야 합니다. 이러한 제공자는 Decision Designer 에서 사용 가능하게 되며 이러한 제공자에서 의사결정 서비스로 배치 또는 직렬화된 모델을 가져올 수 있습니다.

또는 데이터 과학자가 플랫폼의 사전 구성 없이 Decision Designer 로 가져올 수 있는 투명한 기계 학습 모델을 제공할 수도 있습니다.

머신 러닝 모델을 가져오면 머신 러닝 모델을 호출할 모든 요소가 포함된 예측 모델 템플릿이 생성됩니다. 예측 모델이 머신 러닝 모델을 사용할 수 있도록 이 템플릿을 완성합니다.

마지막으로 의사결정 모델의 의사결정 노드에서 예측 모델을 캡슐화합니다. 의사결정 모델이 실행될 때 기계 학습 모델은 의사결정 모델이 포함된 의사결정 노드의 입력을 기반으로 하여 예측을 계산합니다.

예를 들어 고객의 대출 요청을 승인할지 여부를 결정하는 의사 결정 모델을 생각해 보세요. 과거 대출 데이터베이스를 기반으로 고객이 대출금을 상환할 가능성을 예측하는 머신러닝 모델이 있습니다. 이 예측을 의사 결정 모델에 사용하려면 먼저 머신 러닝 모델을 예측 모델에 캡슐화합니다. 그런 다음 이 예측 모델을 의사 결정 로직에 통합할 수 있습니다.