모델 교육 데이터 내보내기

실험의 비교 및 분석 탭에서 모델 분석 데이터를 내보낼 수 있습니다. 데이터를 내보내면 전용 공간의 Qlik Cloud 플랫폼으로 데이터가 내보내지며, 여기에서 Qlik Sense 앱에서 추가로 분석할 수 있습니다.

데이터를 내보낸 후 다음과 같은 방법으로 Qlik Sense 앱으로 가져올 수 있습니다.

• 데이터 관리자 및 데이터 카탈로그 인터페이스를 사용하여 앱에 데이터 집합을 로드합니다.

• 스크립팅을 사용하여 앱에서 데이터 로드 편집기를 사용하여 데이터를 로드합니다.

• 데이터를 추가로 변환하여 새 파일에 저장하고 Qlik Sense 앱에 로드할 수 있도록 스크립트와 데이터 흐름을 만듭니다.

사용할 수 있는 형식

모델 교육 데이터는 다음 형식으로 내보낼 수 있습니다.

• Parquet(기본)

• CSV

• QVD

전체 실험에 대한 분석 데이터 내보내기

다음 항목을 사용할 수 있습니다.

• 모델 메트릭: 실험에서 교육된 모든 모델에 대한 성능 메트릭을 내보냅니다. 성능 측정 항목은 교육된 모델을 자동 홀드아웃 데이터에 대해 테스트하여 생성됩니다. 데이터 집합에는 교육된 모델을 교육 데이터 자체와 비교하여 테스트하여 생성된 성능 메트릭도 포함되어 있습니다.

• 하이퍼 매개 변수: 모델을 교육하는 데 사용된 하이퍼 매개 변수에 대한 데이터를 내보냅니다.

다음과 같이 하십시오.

1. ML 실험에서 비교 탭을 엽니다.

2. 포함된 분석 위에 있는 카탈로그로 데이터 내보내기를 클릭합니다.

3. 필요에 따라 확인란을 사용하여 옵션을 선택하거나 선택 해제합니다.

4. 필요에 따라 폴더와 파일 이름을 포함한 기본 데이터 집합 경로를 편집합니다. 폴더는 / 문자로 구분합니다.

   폴더 참조에 대한 자세한 내용은 경로의 폴더 참조에 대한 팁을 참조하십시오.

   

5. 데이터의 출력 형식을 선택합니다.

6. 내보낸 데이터를 저장할 공간을 선택합니다.

7. 버튼을 클릭하여 데이터 집합을 내보냅니다.

개별 모델에 대한 분석 데이터 내보내기

다음 항목을 사용할 수 있습니다.

• 예측 데이터: 모델이 자동 홀드아웃 데이터에 대해 만든 예측에 대한 예측 데이터를 내보냅니다. 분류 모델의 경우 각 클래스에 대한 확률이 포함됩니다.

• SHAP 및 테스트 데이터: 자동 홀드아웃 데이터에 대해 모델이 계산한 SHAP 데이터를 내보냅니다. 자동 홀드아웃 데이터의 실제 기능 값도 데이터 집합에 포함됩니다.

• 기능 메타데이터: 모델을 교육하는 데 사용된 각 기능에 대한 날짜 유형과 기능 유형이 포함된 데이터 집합을 내보냅니다.

다음과 같이 하십시오.

1. ML 실험의 분석 탭에서 특정 모델을 선택하거나 다른 보기의 모델 옆에 있는 분석을 클릭합니다.

2. 포함된 분석 위에 있는 카탈로그로 데이터 내보내기를 클릭합니다.

3. 필요에 따라 확인란을 사용하여 옵션을 선택하거나 선택 해제합니다.

4. 필요에 따라 폴더와 파일 이름을 포함한 기본 데이터 집합 경로를 편집합니다. 폴더는 / 문자로 구분합니다.

   폴더 참조에 대한 자세한 내용은 경로의 폴더 참조에 대한 팁을 참조하십시오.

   

5. 데이터의 출력 형식을 선택합니다.

6. 내보낸 데이터를 저장할 공간을 선택합니다.

7. 버튼을 클릭하여 데이터 집합을 내보냅니다.

 

• 다음 이름과 위치를 갖는 모델 메트릭 데이터 집합: Model Performance/MyExperiment의 앱 소스 예시를 참조하십시오. 이를 통해 MyExperiment 데이터 집합을 공간 내의 ModelPerformance 폴더에 저장할 수 있습니다.

• 다음 이름과 위치를 갖는 기능 메타데이터 데이터 집합: Model Performance/Candidate Models/v01_LOGC_00_00의 앱 소스 예시를 참조하십시오. 이를 통해 v01_LOGC_00_00 데이터 집합을 공간의 폴더 구조 Model Performance/Candidate Models에 저장할 수 있습니다.