예측 데이터 만들기

모델을 배포한 후에는 새 데이터에 대한 예측을 만들 수 있습니다.

지금까지 기존 고객 데이터를 사용하여 기계 학습 모델을 만들었습니다. 이 프로세스의 목표는 기계 학습을 통해 패턴을 인식하고 이를 새로운 데이터에 적용하는 것이었습니다.

교육 데이터에서 SHAP 값만 분석하는 사용 사례도 있습니다. 이 정보는 그 자체로도 매우 가치가 있습니다.

Qlik AutoML의 예측 작업에 대한 자세한 내용은 데이터 집합에 대한 예측 만들기를 참조하십시오.

프로세스의 첫 번째 단계는 모델을 적용하여 예측을 생성할 데이터 집합을 선택하는 것입니다. 그런 다음 원하는 출력 속성을 구성하고 파일을 생성합니다.

다음과 같이 하십시오.

카탈로그에서 새 ML 배포를 엽니다. ML 모델 관리가 열립니다.

1. ML 모델 관리 인터페이스의 오른쪽 아래에서 예측 만들기를 클릭합니다.

2. 아직 열려 있지 않은 경우 을 클릭하여 예측 구성 창을 엽니다.

3. 다음으로 적용 데이터 집합을 선택해야 합니다. 데이터 적용에서 적용 데이터 집합 선택을 클릭합니다.

4. 자습서 시작 시 가져온 Customer churn data - apply.csv 데이터 집합을 선택합니다.

5. 교육의 스키마를 비교하고 데이터 집합을 적용합니다. 교육 중에 기능을 선택 취소했기 때문에 적용 데이터 집합에는 교육 데이터 집합보다 더 많은 필드가 포함됩니다. 이는 걱정할 필요가 없습니다. 예측을 생성할 때 AutoML은 교육 데이터 집합에 존재하지 않는 적용 데이터 집합의 필드를 무시합니다.

6. 예측 구성 창에서 예측 데이터 집합 이름 지정을 클릭합니다. 데이터 집합의 이름을 입력하거나 기본 이름으로 설정하고 공백을 선택한 다음 확인을 클릭합니다.

7. 예측 옵션에서 이 예측으로 생성하려는 데이터 집합을 선택합니다. 이 경우 SHAP 및 오류를 선택 취소한 다음 좌표 SHAP를 선택합니다(이렇게 하면 피벗 테이블 데이터가 포함된 모든 필드에서 데이터를 분석할 수 있는 표준 형식으로 변환됩니다). AccountID를 인덱스 열로 사용하도록 허용합니다.

   

지금 저장 및 예측을 클릭합니다. 프로세스는 데이터 집합 예측에서 모니터링할 수 있습니다.

표시되는 팝업에서 열기를 클릭하여 카탈로그의 출력을 검토할 수 있습니다.

예측 실행이 완료되면 새 데이터 집합을 사용하여 앱 구축을 시작할 수 있습니다. 다음 항목으로 이동합니다.