이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.
이 구성 요소를 사용하여 AutoML 분류를 기반으로 하는 기계 학습 모델을 만듭니다.
구성 방법
이 구성 요소는 테이블 형식 데이터에 분류 모델을 만듭니다.
이 모델에는 학습 데이터 세트가 필요합니다. 유효성 검사 및 테스트 데이터 세트는 선택 사항입니다.
AutoML은 모델에 대해 다양한 알고리즘과 매개 변수를 시도하는 여러 파이프라인을 병렬로 만듭니다. 이 서비스는 기능 선택 항목과 쌍을 이루는 ML 알고리즘을 반복하며, 각 반복에서 학습 점수가 있는 모델이 생성됩니다. 모델을 최적화할 메트릭을 선택할 수 있습니다. 선택한 메트릭에 대한 점수가 더 좋을수록 모델이 데이터에 "적합"한 것으로 간주됩니다. 실험의 종료 조건을 정의할 수 있습니다. 종료 조건은 AutoML에서 찾을 특정 학습 점수를 가진 모델이 됩니다. 정의된 종료 조건에 도달하면 중지됩니다. 그런 다음 이 구성 요소는 데이터 세트에 대한 실행이 끝날 때 생성된 최상의 모델을 출력합니다.
AutoML 분류 구성 요소를 파이프라인에 추가합니다.
모델을 출력할 대상 열 지정
분류의 경우 딥 러닝을 사용할 수도 있습니다.
딥 러닝을 사용하도록 설정하면 유효성 검사가 train_validation 분할로 제한됩니다.
(선택 사항) 추가 구성 설정 보기: 학습 작업을 더 효율적으로 제어하는 데 사용할 수 있는 추가 설정입니다. 그렇지 않으면 실험 선택 및 데이터를 기반으로 기본값이 적용됩니다.
추가 구성 설명 기본 메트릭 모델의 점수를 매기는 데 사용되는 기본 메트릭입니다. 모델 메트릭에 대해 자세히 알아보세요. 책임 있는 AI 대시보드를 통한 디버그 모델 책임 있는 AI 대시보드를 생성하여 권장되는 최상의 모델에 대한 전체적인 평가 및 디버깅을 수행합니다. 여기에는 모델 설명, 공정성 및 성능 탐색기, 데이터 탐색기, 모델 오류 분석과 같은 인사이트가 포함됩니다. 책임 있는 AI 대시보드를 생성하는 방법에 대해 자세히 알아봅니다. 차단된 알고리즘 학습 작업에서 제외할 알고리즘을 선택합니다.
알고리즘 허용은 SDK 실험에 만 사용할 수 있습니다.
각 작업 형식에 지원되는 알고리즘을 참조하세요.종료 기준 다음 조건 중 하나가 충족되면 학습 작업이 중지됩니다.
학습 작업 시간(시간): 학습 작업을 실행할 수 있는 기간입니다.
메트릭 점수 임계값: 모든 파이프라인에 대한 최소 메트릭 점수입니다. 이렇게 하면 도달하려는 정의된 대상 메트릭이 있는 경우 필요한 것보다 학습 작업에 더 많은 시간을 할애하지 않습니다.동시성 최대 동시 반복: 학습 작업에서 테스트할 최대 파이프라인 수(반복)입니다. 작업은 지정된 반복 횟수보다 더 많이 실행되지 않습니다. 자동화된 ML이 클러스터에서 여러 자식 작업을 수행하는 방법을 자세히 알아보세요. [선택 사항] 유효성 검사 및 테스트 양식을 사용하여 다음을 수행할 수 있습니다.
학습 작업에 사용할 유효성 검사 유형을 지정합니다.
테스트 데이터 세트(미리 보기)를 제공하여 실험이 끝날 때 자동화된 ML이 생성하는 권장 모델을 평가합니다. 테스트 데이터를 제공하면 실험이 끝날 때 테스트 작업이 자동으로 트리거됩니다. 이 테스트 작업은 자동화된 ML에서 권장하는 최상의 모델에 대한 작업일 뿐입니다.
중요합니다
테스트 데이터 세트를 제공하여 생성된 모델을 평가하는 기능은 미리 보기로 제공됩니다. 이 기능은 실험적인 미리 보기 기능으로, 언제든지 변경할 수 있습니다.
- 테스트 데이터는 권장 모델의 테스트 작업 결과에 대해 편견을 갖지 않도록 학습 및 유효성 검사와는 별도로 간주됩니다. 모델 유효성 검사 중 바이어스에 대해 자세히 알아봅니다.
- 고유한 테스트 데이터 세트를 제공하거나 학습 데이터 세트의 백분율을 사용하도록 선택할 수 있습니다. 테스트 데이터는 Azure Machine Learning TabularDataset 형식이어야 합니다.
- 테스트 데이터 세트의 스키마는 학습 데이터 세트와 일치해야 합니다. 대상 열은 선택 사항이지만 대상 열이 표시되지 않으면 테스트 메트릭이 계산되지 않습니다.
- 테스트 데이터 세트는 학습 데이터 세트 또는 유효성 검사 데이터 세트와 같으면 안 됩니다.
다음 단계
Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.