모델 세부 정보 제공

구성 방법을 선택하세요

구조화된 데이터 모델의 경우, 안내에 따라 단계별로 진행하거나 노트북을 실행하여 업로드할 수 있는 구성 패키지를 생성함으로써 모델 세부 정보를 제공해야 합니다. 선택한 배포에 스코어링 엔드포인트가 없는 경우, 구성 패키지를 업로드해야 합니다.

거래 예시를 제시해 주세요

이미지 및 비정형 텍스트 모델의 경우 훈련 데이터가 필요하지 않으며, 모델의 입력과 출력을 지정하기 위해 샘플 트랜잭션을 수동으로 제공해야 합니다.

훈련 데이터 지정

배포를 추가할 때 훈련 데이터 정보가 감지되지 않는 경우, ` CSV ` 파일을 업로드하여 훈련 데이터를 지정하거나 데이터베이스 또는 클라우드 스토리지에 저장된 훈련 데이터에 연결할 수 있습니다. 훈련 데이터에 연결하려면 위치를 선택하고 연결 정보를 지정해야 합니다. 배포를 추가할 때 훈련 데이터의 세부 정보가 감지되면, ‘데이터베이스’ 또는 ‘클라우드 스토리지’ 옵션이 미리 선택되며 위치 및 연결 정보가 자동으로 지정됩니다.

특성 및 레이블 열을 선택하세요

훈련 데이터에 포함된 열 목록이 표시되면, 모델 훈련에 사용한 특징을 선택하고 각 레코드의 예상 또는 정확한 클래스 레이블이 포함된 열을 ‘레이블/타겟’ 열로 지정해야 합니다. 특성 및 레이블 열을 선택하면, 훈련 데이터가 사용되어 모델 출력값과 배포 상태를 검증하기 위해 배포 환경으로 점수 산출 요청이 자동으로 전송됩니다.

모델 출력 선택

예측 열과 예측 확률 열을 선택하십시오. ‘예측’ 열에는 배포 과정에서 생성된 예측값이 표시되며, ‘예측 확률’ 열에는 해당 예측에 대한 모델의 신뢰도가 표시됩니다. 모델 배포 과정에서 식별된 메타데이터를 바탕으로 예상되는 컬럼이 미리 선택될 수 있습니다. 이 선택 사항을 변경할 수 있습니다. 예측 열의 데이터 유형은 레이블 열의 데이터 유형과 일치해야 합니다. 데이터 유형이 일치하지 않으면 모델 평가가 제대로 수행되지 않을 수 있습니다.

훈련 데이터에 연결

훈련 데이터에 연결할 방법을 선택하십시오. 데이터베이스나 클라우드 스토리지에 저장된 훈련 데이터에 연결하려면 위치를 선택하고 연결 정보를 지정해야 합니다. 훈련 데이터의 세부 정보를 비공개로 유지하기 위해 노트북에서 데이터를 분석하려면, 사용자 지정 노트북 을 실행하고 해당 노트북에서 생성된 JSON 구성 파일을 업로드해야 합니다. 자세한 내용은 ‘훈련 데이터 관리’를 참조하십시오.

이미지 및 비정형 텍스트 모델의 경우 훈련 데이터가 필요하지 않습니다.

레이블 열 선택

훈련 데이터에서 레이블 열로 지정할 열을 선택해야 합니다. 이 열에는 각 레코드에 대한 예상 또는 정확한 클래스 레이블이 포함되어 있습니다.

훈련 기능 선택

배치 전에 모델 훈련에 사용된 모든 기능을 선택하십시오. 훈련 데이터의 형식은 모델과 일치해야 합니다. 예를 들어, 모델이 Gender 특성으로 M 및 F를 예상할 경우 훈련 데이터는 Male 및 Female이 아니라 M 및 F여야 합니다. 마찬가지로, 특징 열이 숫자형으로 식별된 경우, 모델 훈련 시 해당 열은 모델 내에서 숫자형이어야 합니다. 특정 열이 숫자형으로 지정되어 있는데, 모델 훈련 과정에서 이 열을 범주형으로 사용하는 경우, 해당 열을 범주형으로 업데이트해야 합니다. 자세한 내용은 ‘모델 평가를 위한 데이터 관리’를 참조하십시오.

모델 트랜잭션 전송

평가를 위해 모델 트랜잭션을 저장할 준비가 된 훈련 데이터를 지정하면, 점수 산출 요청을 자동으로 전송할 수 있습니다. 점수 산출 요청이 전송되지 않거나, 비정형 텍스트 또는 이미지 모델을 평가하는 경우, 예측 결과에 대한 신뢰도 측정값이 포함된 샘플 트랜잭션을 수동으로 제공할 수 있습니다. 모델 트랜잭션은 데이터베이스 내의 페이로드 로깅 테이블에 저장되며, 이 데이터는 모델 평가에 사용됩니다.

모델 출력 지정

예측 열과 예측 확률 열을 선택하십시오. ‘예측’ 열에는 배포 과정에서 생성된 예측값이 표시되며, ‘예측 확률’ 열에는 해당 예측에 대한 모델의 신뢰도가 표시됩니다. 예상 열은 모델 배포 과정에서 식별된 메타데이터를 기반으로 미리 선택됩니다.