# 모델 분석

Qlik 프로젝트는 실험에서 학습시킨 모델을 분석할 수 있는 풍부한 시각적 경험을 제공합니다. 자동 생성된 권장 사항, 요약 및 시각화가 포함된 간단한 인터페이스를 사용하여 주요 모델 메트릭을 분석할 수 있습니다. 더 자세한 분석 및 비교를 위해 임베디드 분석을 사용할 수 있습니다.

## 시작하기 전에

모델을 분석하기 전에 모델 검토 개념을 기본적으로 이해하는 것이 도움이 될 수 있습니다. 여기에는 모델 점수, 기능 중요도 및 알고리즘이 포함됩니다.

자세한 내용은 [모델 검토 개념 이해](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/model-review-concepts.htm)을 참조하십시오.

## 빠른 분석

빠른 분석을 통해 모델 학습이 어떻게 진행되었는지, 결과 모델의 품질은 어떠한지 신속하게 파악할 수 있습니다. 또한 일반적인 요구 사항을 기반으로 어떤 모델이 권장되는지 검토할 수도.

분석을 시작하기 전에 학습 데이터 탭을 열어 학습 데이터가 어떻게 처리되었는지 확인하는 것이 좋습니다. 기능이 해당 버전에서 사용할 수 없는 것으로 판명되었을 수 있으므로 이는 중요할 수 있습니다.

학습 결과의 개요를 보려면 실험에서 모델 탭을 엽니다. 모델을 신속하게 비교하고 성능이 가장 우수한 모델을 식별할 수 있습니다. 이 탭에 표시되는 정보는 인텔리전트 모델 최적화 사용 여부와 실험의 문제 유형에 따라 다릅니다.

자세한 내용은 다음을 참조하십시오.

* [빠른 모델 분석 수행](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-quick.htm)

* [사용자에게 가장 적합한 모델 선택](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/best-models.htm)

## 모델 비교

임베디드 분석을 사용하여 모델을 대화형으로 심층 비교할 수 있습니다. 이러한 비교는 비교 탭에서 수행할 수 있습니다.

모델 비교 중에 다음을 수행할 수 있습니다.

* 모든 모델에 대해 사용 가능한 모든 모델 메트릭을 비교합니다.

* 모든 모델에 대한 학습 및 홀드아웃 점수를 보고 비교합니다.

* 모든 모델에서 하이퍼파라미터 값을 비교합니다.

종합적인 가이드는 [모델 비교](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-compare.htm)를 참조하십시오.

## 상세 분석

실험의 분석 탭에서 특정 모델에 대한 상세 분석을 수행합니다. 상세 분석은 임베디드 분석을 통해 수행됩니다. 데이터를 대화형으로 필터링하여 특정 데이터 클러스터에 대한 모델 성능을 더 잘 이해할 수 있습니다.

상세 모델 분석을 통해 학습 데이터로 인해 발생하는 문제를 식별하고 모델의 강점과 약점에 대해 자세히 알아볼 수 있습니다.

종합적인 가이드는 [세부 모델 분석 수행](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-detailed.htm)를 참조하십시오.

## 학습 보고서 다운로드

추가 세부 정보를 위해 실험의 모델에 대한 학습 보고서를 다운로드할 수 있습니다. 학습 보고서는 모델이 어떻게 학습되었는지에 대한 심층적인 요약을 제공하며 전처리, 기능 변환, 실험 버전 관리 및 모델 메트릭에 대한 종합적인 세부 정보를 제공합니다. 학습 보고서는 로컬 컴퓨터로 직접 내보내집니다.

자세한 내용은 [ML 교육 보고서 다운로드](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-report.htm)를 참조하십시오.

## 다음 단계

다음 단계는 모델을 최적화하는 방법에 따라 달라질 수 있습니다.

인텔리전트 모델 최적화는 이상적으로 추가적인 미세 조정이 거의 또는 전혀 없이 배포할 준비가 된 모델을 생성합니다. 모델의 품질은 여전히 학습 데이터의 품질, 실험 구성 및 예측 사용 사례에 특정한 요구 사항에 따라 달라집니다. 모델을 분석하고 데이터 품질 또는 실험 구성과 관련된 기타 문제를 해결한 후에는 요구 사항에 가장 적합한 모델을 배포할 준비가 된 것입니다.

인텔리전트 모델 최적화를 실행한 후 추가 문제를 식별하거나 처음부터 인텔리전트 모델 최적화를 끈 경우, 실험의 새 버전을 수동으로 구성하여 결과 모델을 개선할 수 있습니다.

미세 조정 단계의 예는 다음과 같습니다.

* 인텔리전트 최적화 없이 시작한 후 이를 켭니다.

* 인텔리전트 최적화가 포함된 버전을 실행한 후 이를 끕니다. 이를 통해 필요에 따라 구성을 미세 조정할 수 있습니다.

* 학습 데이터를 변경하거나 새로 고칩니다.

* 포함된 기능을 변경합니다.

* 기능 데이터의 처리 방식을 변경합니다(예: 기능의 기능 유형 변경).

원하는 결과를 얻으면 하나 이상의 모델을 배포하십시오. 자세한 내용은 다음을 참조하십시오.

* [모델 구체화](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

* [모델 배포](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/deploying-models.htm)