신경망 회귀 구성 요소
신경망 알고리즘을 사용하여 회귀 모델 만들기
범주: 기계 학습/모델 초기화/회귀
구성 요소 개요
이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.
이 구성 요소를 사용하여 사용자 지정 가능 신경망 알고리즘을 사용하는 회귀 모델을 만듭니다.
신경망은 이미지 인식과 같은 복잡한 문제의 모델링과 심층 학습에서 사용되는 기술로 널리 알려져 있지만 회귀 문제에 맞게 쉽게 조정됩니다. 적응 가중치를 사용하고 입력의 비선형 함수 근사치를 계산할 수 있는 모든 클래스의 통계 모델을 신경망이라고 할 수 있습니다. 따라서 신경망 회귀는 보다 전통적인 회귀 모델로 해결할 수 없는 문제에 적합합니다.
신경망 회귀는 감독 학습 방법이므로 레이블 열을 포함하는 태그가 지정된 데이터 세트가 필요합니다. 회귀 모델은 숫자 값을 예측하기 때문에 레이블 열은 숫자 데이터 형식이어야 합니다.
모델 학습을 위한 입력으로 모델 및 태그가 지정된 데이터 세트를 제공하여 모델을 학습할 수 있습니다. 그러면 학습된 모델을 사용하여 새로운 입력 예제를 위한 값을 예측할 수 있습니다.
신경망 회귀 구성
신경망은 광범위하게 사용자 지정할 수 있습니다. 이 섹션에서는 다음 두 가지 방법을 사용하여 모델을 만드는 방법을 설명합니다.
-
기본 신경망 아키텍처를 적용하는 경우 속성 창을 사용하여 숨겨진 계층의 노드 수, 학습 속도, 정규화와 같은 신경망의 동작을 제어하는 매개 변수를 설정합니다.
신경망을 처음 사용하는 경우 여기에서 시작합니다. 구성 요소는 신경망에 대한 깊은 지식이 없어도 모델 튜닝뿐만 아니라 많은 사용자 지정을 지원합니다.
신경망의 사용자 지정 아키텍처 정의
숨겨진 계층을 더 추가하거나 네트워크 아키텍처, 연결 및 활성화 기능을 완전히 사용자 지정하려면 이 옵션을 사용합니다.
이 옵션은 신경망에 대해 이미 잘 알고 있는 경우에 가장 적합합니다. Net# 언어를 사용하여 네트워크 아키텍처를 정의합니다.
기본 아키텍처를 사용하여 신경망 모델 만들기
디자이너에서 파이프라인에 신경망 회귀 구성 요소를 추가합니다. 이 구성 요소는 회귀 범주의 기계 학습, 초기화에서 찾을 수 있습니다.
트레이너 모드 만들기 옵션을 설정하여 모델을 학습하는 방법을 지정합니다.
단일 매개 변수: 모델을 구성하려는 방법을 이미 알고 있는 경우 이 옵션을 선택합니다.
매개 변수 범위: 최적 매개 변수를 잘 모르는 상태에서 매개 변수 비우기를 실행하려면 이 옵션을 선택합니다. 반복할 값의 범위를 선택하면 모델 하이퍼 매개 변수 튜닝이 제공된 설정의 가능한 모든 조합을 반복하여 최적 결과를 생성하는 하이퍼 매개 변수를 확인합니다.
숨겨진 계층 사양에서 완전히 연결된 사례를 선택합니다. 이 옵션은 신경망 회귀 모델에 대한 기본 신경망 아키텍처를 사용하는 모델을 만듭니다. 여기에는 다음과 같은 특성이 있습니다.
- 네트워크에 숨겨진 계층이 하나만 있습니다.
- 출력 계층은 숨겨진 계층에 완전히 연결되며 숨겨진 계층은 입력 계층에 완전히 연결됩니다.
- 숨겨진 계층의 노드 수는 사용자가 설정할 수 있습니다(기본값: 100).
입력 계층의 노드 수는 학습 데이터의 기능 수에 따라 결정되므로 회귀 모델의 출력 계층에는 노드가 하나뿐일 수 있습니다.
숨겨진 노드 수에는 숨겨진 노드 수를 입력합니다. 기본값은 100개의 노드를 포함하는 하나의 숨겨진 계층입니다. (Net#을 사용하여 사용자 지정 아키텍처를 정의하는 경우에는 이 옵션을 사용할 수 없습니다.)
학습 속도에는 수정하기 전에 각 반복에서 수행되는 단계를 정의하는 값을 입력합니다. 학습 속도 값이 크면 모델이 빠르게 수렴되지만 로컬 최소값이 과도해질 수 있습니다.
학습 반복 횟수에는 알고리즘이 학습 사례를 처리하는 최대 횟수를 지정합니다.
가속도에는 이전 반복의 노드에 대한 가중치로 학습 중에 적용할 값을 입력합니다.
예제 섞기 옵션을 선택하여 반복 간의 사례 순서를 변경합니다. 이 옵션의 선택을 취소하면 파이프라인을 실행할 때마다 정확히 동일한 순서로 사례가 처리됩니다.
난수 초기값에는 필요에 따라 초기값으로 사용할 값을 입력할 수 있습니다. 동일한 파이프라인의 실행에서 반복성을 유지하려는 경우 초기값을 지정하는 것이 좋습니다.
학습 데이터 세트를 연결하고 모델을 학습합니다.
트레이너 모드 만들기를 단일 매개 변수로 설정하는 경우 태그가 지정된 데이터 세트와 모델 학습 구성 요소를 연결합니다.
트레이너 모드 만들기를 매개 변수 범위로 설정하는 경우 태그가 지정된 데이터 세트를 연결하고 모델 하이퍼 매개 변수 조정을 사용하여 모델을 학습시킵니다.
참고
모델 학습에 매개 변수 범위를 전달하는 경우 단일 매개 변수 목록의 기본값만 사용합니다.
매개 변수 값의 단일 집합을 모델 하이퍼 매개 변수 조정 구성 요소에 전달하는 경우 각 매개 변수에 대한 설정 범위를 예상할 때 해당 값을 무시하고 학습자에 대한 기본값을 사용합니다.
매개 변수 범위 옵션을 선택하고 임의 매개 변수의 단일 값을 입력하는 경우 다른 매개 변수가 값 범위에서 변경되더라도 지정한 단일 값은 스윕 전체에서 사용됩니다.
파이프라인을 제출합니다.
결과
학습 완료 후 다음이 수행됩니다.
- 학습된 모델의 스냅샷을 저장하려면 출력 탭을 모델 학습 구성 요소의 오른쪽 패널에서 선택합니다. 데이터 세트 등록 아이콘을 선택하여 모델을 재사용 가능한 구성 요소로 저장합니다.
다음 단계
Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.