Machine Learning - 모델 초기화
중요
Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.
2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.
- ML Studio(클래식)에서 Azure Machine Learning으로 기계 학습 프로젝트 이동에 대한 정보를 참조하세요.
- Azure Machine Learning에 대한 자세한 정보.
ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.
이 문서에서는 기계 학습 모델을 정의하고 해당 매개 변수를 설정하는 데 사용할 수 있는 Machine Learning Studio(클래식)의 모듈에 대해 설명합니다.
학습되지 않은 모델을 다른 입력 데이터 세트에 적용할 수 있는 사양으로 생각할 수 있습니다. 동일한 모델 사양을 다른 데이터에 적용하고 다른 결과를 얻을 수 있습니다. 또는 사양을 사용하여 모델을 다시 학습할 수 있습니다. 그런 다음 새 데이터를 추가할 수 있습니다.
이 문서에서는 Machine Learning Studio(클래식)에서 모델을 만들고, 학습하고, 평가하고, 채점하는 전체 프로세스에 대해서도 설명합니다.
Machine Learning Studio(클래식)에서 기계 학습 모델 만들기 및 사용
기계 학습의 일반적인 워크플로에는 다음 단계가 포함됩니다.
- 적절한 알고리즘을 선택하고 초기 옵션을 설정합니다.
- 호환되는 데이터를 사용하여 모델을 학습합니다.
- 모델의 패턴에 따라 새 데이터를 사용하여 예측을 만듭니다.
- 모델을 평가하여 예측이 정확한지 여부, 오류 양 및 과잉 맞춤이 발생하는지 여부를 확인합니다.
Machine Learning Studio(클래식)는 기계 학습을 위한 유연하고 사용자 지정 가능한 프레임워크를 지원합니다. 이 프로세스의 각 작업은 특정 유형의 모듈에 의해 수행됩니다. 모듈은 나머지 실험을 중단하지 않고 수정, 추가 또는 제거할 수 있습니다.
이 범주의 모듈을 사용하여 초기 알고리즘을 선택합니다. 그런 다음 특정 모델 형식에 따라 자세한 매개 변수를 구성합니다. 그런 다음 이 모델 사양을 데이터 집합에 적용할 수 있습니다.
모델 만들기 정보
Machine Learning 분석 모델을 빌드하는 데 도움이 되는 다양한 최신 기계 학습 알고리즘을 제공합니다. 각 알고리즘은 자체 모듈에 패키지됩니다. 사용자 지정된 모델을 만들려면 다음을 수행합니다.
범주별로 모델을 선택합니다.
알고리즘은 특정 유형의 예측 태스크별로 그룹화됩니다. 회귀, 분류 및 이미지 인식의 예가 있습니다. 첫 번째 작업은 수행할 기계 학습 작업의 일반적인 범주를 식별한 다음 알고리즘을 선택하는 것입니다.
알고리즘 매개 변수를 구성합니다.
각 모듈의 속성 창을 사용하여 매개 변수를 설정합니다. 매개 변수는 모델이 데이터에서 학습하는 방법을 제어합니다.
데이터에 대한 모델을 학습합니다.
모델을 구성한 후 데이터 세트를 연결합니다. 그런 다음 학습 모듈 중 하나를 사용하여 사용하려는 알고리즘을 통해 데이터를 실행합니다.
모델 하이퍼 매개 변수 조정을 사용하여 가능한 모든 매개 변수를 반복하고 작업 및 데이터에 대한 최적의 구성을 결정할 수 있습니다.
예측, 점수 매기기 또는 평가
모델을 빌드하고 학습한 후 일반적으로 다음 단계는 점수 매기기 모듈 중 하나를 사용하여 모델을 기반으로 예측을 생성하는 것입니다.
모델 평가에 모듈을 사용하여 생성하는 점수를 기반으로 모델의 정확도를 측정할 수 있습니다.
모듈 목록
이 범주의 모듈은 모듈이 캡슐화하는 기계 학습 알고리즘 유형에 따라 구성됩니다. 알고리즘의 각 유형에는 일반적으로 다른 유형의 데이터가 필요합니다.
관련 작업
여기에 설명된 기존 기계 학습 알고리즘 범주 외에도 다음 모듈은 데이터 또는 전처리에서 특수한 유형의 학습을 제공합니다.