모델 채점

이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.

이 구성 요소를 사용하여 학습된 분류 또는 회귀 모델을 통해 예측을 생성합니다.

사용 방법

1. 파이프라인에 모델 채점 구성 요소를 추가합니다.

2. 학습된 모델 및 새 입력 데이터를 포함하는 데이터 집합을 연결합니다.

   데이터는 사용 중인 학습된 모델의 형식과 호환되는 형식이어야 합니다. 입력 데이터 집합의 스키마 또한 일반적으로 모델을 학습하는 데 사용되는 데이터의 스키마와 일치해야 합니다.

3. 파이프라인을 제출합니다.

결과

모델 점수 매기기를 사용하여 점수 집합을 생성한 후에는 다음을 수행합니다.

• 모델의 정확도(성능)를 평가하는 데 사용되는 메트릭 집합을 생성 하려면 점수가 매겨진 데이터 집합을 모델 계산에 연결할 수 있습니다.
• 구성 요소를 마우스 오른쪽 단추로 클릭하고 시각화를 선택하여 결과 샘플을 표시합니다.

점수 또는 예측 값은 모델 및 입력 데이터에 따라 다양한 형식일 수 있습니다.

• 분류 모델의 경우 점수 매기기 모델 은 클래스의 예측 값 뿐만 아니라 예측 값의 가능성을 출력합니다.
• 회귀 모델의 경우 모델 점수 매기기는 예측된 숫자 값만 생성합니다.

점수를 웹 서비스로 게시

채점의 일반적인 용도는 출력을 예측 웹 서비스의 일부로 반환하는 것입니다. 자세한 정보는 Azure Machine Learning 디자이너에서 파이프라인을 기반으로 실시간 엔드포인트를 배포하는 방법에 대한 이 자습서를 참조하세요.

다음 단계

Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.