모델 검토
기계 학습 모델을 평가하려면 모델 점수와 지표를 이해할 수 있어야 합니다. 경우에 따라 각 필드와 값이 예측 결과에 어떻게 영향을 미치는지 이해하는 것, 즉 어떤 일이 발생하는 이유를 이해하는 것이 예측을 하는 것보다 더 중요할 수 있습니다.
워크플로
모델을 검토할 때 최상의 결과를 얻으려면 이 단계별 워크플로를 완료합니다.
1단계: 개념 이해
모델 메트릭 검토를 시작하기 전에 기본 개념을 기본적으로 이해하는 것이 도움이 될 수 있습니다. Qlik AutoML에서 모델 메트릭은 일반적으로 다음과 같이 분류됩니다.
또한 모델을 교육하는 데 사용할 수 있는 다양한 알고리즘이 있습니다. 자세한 내용은 모델 알고리즘 이해을 참조하십시오.
2단계: 인터페이스를 사용하여 분석 수행
다음 단계는 Qlik AutoML을 사용하여 교육 결과를 평가하는 것입니다. 실험 인터페이스의 다양한 탭 간에 전환하여 다음을 수행할 수 있습니다.
-
교육 데이터를 검사하여 교육 중에 어떻게 사전 처리되었는지 확인합니다.
-
기능 선택을 변경하여 AutoML이 모델을 최적화한 방법에 대한 요약 보기
-
핵심 모델 메트릭에 대한 높은 수준의 분석 수행
-
개별 모델에 대한 심층적인 비교 및 분석을 통해 더욱 깊이 있게 살펴보십시오.
자세한 내용은 다음 가이드를 참조하십시오.
3단계: 필요에 따라 모델 구체화
모델을 분석한 후 이를 구체화하여 결과를 구체화할 수 있습니다.
지능형 모델 최적화는 실험에서 기본적으로 활성화됩니다. 이 기능은 모델 성능에 영향을 줄 수 있는 기능을 제외하여 자동으로 모델을 구체화합니다. 데이터 집합이 잘 준비되어 있다고 가정하면 결과는 배포 준비가 완료되었거나 거의 준비가 되어 있어야 합니다.
또는 지능형 최적화 없이 교육을 시작하거나 하나 이상의 버전을 실행한 후 끌 수 있습니다. 이는 교육 과정을 더 세밀하게 제어해야 하는 경우 유용합니다.
모델 배포 전이나 후에 추가 구체화가 필요할 수 있습니다. 예를 들어, 교육 데이터를 변경하거나 새로 고친 후 모델을 다시 교육해야 할 수도 있습니다.
모델을 구체화하는 방법에 대해 자세히 알아보려면 모델 구체화를 참조하십시오.
구체화 프로세스를 완료하면 최상의 모델을 배포할 준비가 된 것입니다.