클러스터링 모델 학습
이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.
이 구성 요소를 사용하여 클러스터링 모델을 학습합니다.
구성 요소는 K-평균 클러스터링 구성 요소를 사용하여 이미 구성한 학습되지 않은 클러스터링 모델을 사용하며 레이블이 지정되거나 지정되지 않은 데이터 세트를 사용하여 모델을 학습합니다. 구성 요소는 예측에 사용할 수 있는 학습된 모델과 학습 데이터의 각 사례에 대한 클러스터 할당 집합을 만듭니다.
참고 항목
기계 학습 모델 학습을 위한 일반 구성 요소인 모델 학습 구성 요소를 사용하여 클러스터링 모델을 학습시킬 수 없습니다. 모델 학습은 감독된 학습 알고리즘에서만 작동하기 때문입니다. K-Means 및 다른 클러스터링 알고리즘을 사용하는 경우 자율 학습을 허용합니다. 즉, 알고리즘이 레이블이 지정되지 않은 데이터를 통해 학습할 수 있습니다.
클러스터링 모델 학습을 사용하는 방법
디자이너에서 파이프라인에 클러스터링 모델 학습 구성 요소를 추가합니다. 학습 범주의 기계 학습 구성 요소 아래에서 구성 요소를 찾을 수 있습니다.
K-평균 클러스터링 구성 요소 또는 호환되는 클러스터링 모델을 만들고 클러스터링 모델의 매개 변수를 설정하는 다른 사용자 지정 구성 요소를 추가합니다.
학습 데이터 세트를 학습 클러스터링 모델의 오른쪽 입력에 연결합니다.
열 집합에서 클러스터 빌드에 사용할 데이터 세트의 열을 선택합니다. 좋은 기능을 제공하는 열을 선택해야 합니다. 예를 들어 ID 또는 고유한 값이 있는 다른 열이나 값이 모두 같은 열은 사용하지 않도록 합니다.
레이블을 사용할 수 있는 경우 기능으로 사용하거나 그대로 둘 수 있습니다.
새 클러스터 레이블과 함께 학습 데이터를 출력하려는 경우 옵션 , 추가 확인 또는 결과만 선택 취소를 선택합니다.
이 옵션을 선택 취소하면 클러스터 할당만 출력됩니다.
파이프라인을 제출하거나 클러스터링 모델 학습 구성 요소를 클릭하고 선택한 항목 실행을 선택합니다.
결과
학습이 완료된 후:
학습된 모델의 스냅샷을 저장하려면 출력 탭을 모델 학습 구성 요소의 오른쪽 패널에서 선택합니다. 데이터 세트 등록 아이콘을 선택하여 모델을 재사용 가능한 구성 요소로 저장합니다.
모델에서 점수를 생성하려면 클러스터에 데이터 할당을 사용합니다.
참고 항목
디자이너에서 학습된 모델을 배포해야 하는 경우 모델 채점 대신 클러스터에 데이터 할당이 추론 파이프라인에서 웹 서비스 출력 구성 요소의 입력에 연결되어 있는지 확인합니다.
다음 단계
Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.