다음을 통해 공유

AutoML(자동화된 Machine Learning)이란?

  • 아티클

자동화된 기계 학습(AutoML)은 기계 학습을 데이터에 적용하는 프로세스를 자동화합니다. 데이터 세트가 있는 경우 AutoML을 실행하여 다른 데이터 변환, 기계 학습 알고리즘, 하이퍼 매개 변수에 대해 반복하여 최상의 모델을 선택할 수 있습니다.

참고 항목

이 문서는 현재 미리 보기 상태인 ML.NET AutoML API를 참조합니다. 자료가 변경될 수 있습니다.

AutoML의 작동 방식

일반적으로 기계 학습 모델을 학습시키는 워크플로는 다음과 같습니다.

  • 문제 정의
  • 데이터 수집
  • 데이터 전처리
  • 모델 학습
  • 모델 평가

기존 ML 및 AutoML 학습 워크플로

전처리, 학습 및 평가는 만족스러운 결과를 얻을 때까지 여러 시도가 필요한 실험적이고 반복적인 프로세스입니다. 이러한 작업은 반복적인 경향이 있으므로 AutoML은 이러한 단계를 자동화하는 데 도움이 될 수 있습니다. 자동화 외에도, 최적화 기술을 사용하여 학습 및 평가 프로세스 중에 알고리즘 및 하이퍼 매개 변수를 찾아서 선택할 수 있습니다.

AutoML은 언제 사용해야 하나요?

기계 학습을 막 시작하고 있든, 경험이 풍부한 사용자이든 상관없이 AutoML은 모델 개발 프로세스를 자동화하기 위한 솔루션을 제공합니다.

  • 초보자 - 기계 학습을 처음 사용하는 경우 AutoML은 모델을 학습시킬 때 결정해야 하는 결정 수를 줄이는 기본값 집합을 제공하여 모델 개발 프로세스를 간소화합니다. 이를 통해 데이터 및 해결하려는 문제에 초점을 맞출 수 있으며 AutoML에서 나머지 작업을 수행하도록 할 수 있습니다.
  • 숙련된 사용자 - 기계 학습에 대한 경험이 있는 경우 자동화 기능을 활용하면서 필요에 따라 AutoML에서 제공하는 기본값을 사용자 지정, 구성 및 확장할 수 있습니다.

ML.NET의 AutoML

  • 기능화기 - 데이터 전처리를 자동화하는 편리한 API입니다.
  • 시험 - 단일 하이퍼 매개 변수 최적화 실행입니다.
  • 실험 - AutoML 시험 모음입니다. ML.NET은 개별 정리 가능 파이프라인, 검색 공간 및 튜너 구성 요소에 대한 기본값을 설정하는 실험을 만들기 위한 간단한 API를 제공합니다.
  • 검색 공간 - 하이퍼 매개 변수를 선택할 수 있는 사용 가능한 옵션 범위입니다.
  • 튜너 - 하이퍼 매개 변수를 최적화하는 데 사용되는 알고리즘입니다. ML.NET은 다음 튜너를 지원합니다.
    • 비용 절약 튜너 - 학습 비용을 고려하는 비용 관련 하이퍼 매개 변수에 대한 절약 최적화 구현
    • ECI 비용 절약 튜너 - 계층적 검색 공간에 대한 비용 절약 튜너 구현입니다. AutoML에서 사용하는 기본 튜너입니다.
    • SMAC - 임의의 포리스트를 사용하여 Bayesian 최적화를 적용하는 튜너입니다.
    • 그리드 검색 - 작은 검색 공간에 가장 적합한 튜너입니다.
    • 임의 검색
  • 정리 가능 예측 도구 - 검색 공간이 포함된 ML.NET 예측 도구입니다.
  • 정리 가능 파이프라인 - 하나 이상의 정리 가능 예측 도구가 포함된 ML.NET 파이프라인입니다.
  • 시험 실행기 - 정리 가능 파이프라인 및 시험 설정을 사용하여 모델 학습 및 평가에서 시험 결과를 생성하는 AutoML 구성 요소입니다.

초보자는 상위 수준 실험 API에서 제공하는 기본값으로 시작하는 것이 좋습니다. 사용자 지정 옵션을 찾는 경험이 많은 사용자의 경우 정리 가능 예측 도구, 정리 가능 파이프라인, 검색 공간, 시험 실행기 및 튜너 구성 요소를 사용합니다.

AutoML API 시작에 대한 자세한 내용은 ML.NET AutoML(자동화된 Machine Learning) API를 사용하는 방법 가이드를 참조하세요.

지원되는 작업

AutoML은 다음 작업에 대해 미리 구성된 기본값을 제공합니다.

  • 이진 분류
  • 다중 클래스 분류
  • 회귀

다른 작업의 경우 사용자 고유의 시험 실행기를 빌드하여 이러한 시나리오를 사용하도록 설정할 수 있습니다. 자세한 내용은 ML.NET AutoML(자동화된 Machine Learning) API를 사용하는 방법 가이드를 참조하세요.

다음 단계