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 분류 모델 생성을 지원하는 Machine Learning Studio(클래식)의 모듈에 대해 설명합니다. 이러한 모듈을 사용하여 이진 또는 다중 클래스 분류 모델을 빌드할 수 있습니다.
분류 정보
분류는 데이터를 사용하여 항목 또는 데이터 행의 범주, 유형 또는 클래스를 결정하는 기계 학습 방법입니다. 예를 들어 분류를 사용하여 다음을 수행할 수 있습니다.
- 메일 필터를 스팸, 정크 또는 양수로 분류합니다.
- 환자의 실험실 샘플이 종양성인지 확인합니다.
- 영업 캠페인에 응답하는 고객의 성향을 기준으로 고객을 분류합니다.
- 감정을 긍정적 또는 부정적으로 식별합니다.
분류 작업은 분류가 이진(A 또는 B) 또는 다중 클래스(단일 모델을 사용하여 예측할 수 있는 여러 범주)인지에 따라 자주 구성됩니다.
분류 모델 만들기
분류 모델 또는 분류자를 만들려면 먼저 적절한 알고리즘을 선택합니다. 다음 항목을 고려합니다.
- 얼마나 많은 클래스 또는 다른 결과를 예측하시겠습니까?
- 데이터의 분포는 무엇인가요?
- 학습에 얼마나 많은 시간을 허용할 수 있나요?
Machine Learning Studio(클래식)는 여러 분류 알고리즘을 제공합니다. One-Vs-All 알고리즘을 사용하는 경우 다중 클래스 문제에 이진 분류자를 적용할 수도 있습니다.
알고리즘을 선택하고 이 섹션의 모듈을 사용하여 매개 변수를 설정한 후 레이블이 지정된 데이터에 대해 모델을 학습시킵니다. 분류는 감독되는 기계 학습 방법입니다. 항상 레이블이 지정된 학습 데이터가 필요합니다.
학습이 완료되면 모델을 평가하고 조정할 수 있습니다. 모델에 만족하는 경우 학습된 모델을 사용하여 새 데이터로 점수를 매깁니다 .
모듈 목록
분류 범주에는 다음 모듈이 포함됩니다.
- 다중 클래스 의사 결정 포리스트: 의사 결정 포리스트 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
- 다중 클래스 의사 결정 정글: 의사 결정 정글 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
- 다중 클래스 로지스틱 회귀: 다중 클래스 로지스틱 회귀 분류 모델을 만듭니다.
- 다중 클래스 신경망: 신경망 알고리즘을 사용하여 다중 클래스 분류 모델을 만듭니다.
- 일 대 모든 다중 클래스: 이진 분류 모델의 앙상블에서 다중 클래스 분류 모델을 만듭니다.
- 2클래스 평균 Perceptron: 평균 퍼셉트론 이진 분류 모델을 만듭니다.
- 2클래스 Bayes Point Machine: Bayes 지점 컴퓨터 이진 분류 모델을 만듭니다.
- 2클래스 향상된 의사 결정 트리: 향상된 의사 결정 트리 알고리즘을 사용하여 이진 분류자를 만듭니다.
- 2클래스 의사 결정 포리스트: 의사 결정 포리스트 알고리즘을 사용하여 2클래스 분류 모델을 만듭니다.
- 2클래스 의사 결정 정글: 의사 결정 정글 알고리즘을 사용하여 2클래스 분류 모델을 만듭니다.
- 2클래스 로컬 딥 지원 벡터 컴퓨터: 로컬로 심층 지원 벡터 컴퓨터 알고리즘을 사용하여 이진 분류 모델을 만듭니다.
- 2클래스 로지스틱 회귀: 2클래스 로지스틱 회귀 모델을 만듭니다.
- 2클래스 신경망: 신경망 알고리즘을 사용하여 이진 분류자를 만듭니다.
- 2클래스 지원 벡터 컴퓨터: 지원 벡터 컴퓨터 알고리즘을 사용하여 이진 분류 모델을 만듭니다.
예
작동 중인 분류의 예는 Azure AI 갤러리를 참조하세요.
알고리즘을 선택하는 데 도움이 필요하면 다음 문서를 참조하세요.
Machine Learning 대한 기계 학습 알고리즘 치트 시트
선택 과정을 안내하는 그래픽 의사 결정 차트를 제공합니다.
클러스터링, 분류 또는 회귀에 대한 Machine Learning 알고리즘 선택
다양한 유형의 기계 학습 알고리즘과 사용 방법을 자세히 설명합니다.