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.
-
ML 모델 관리 인터페이스의 오른쪽 아래에서 예측 만들기를 클릭합니다.
-
아직 열려 있지 않은 경우 을 클릭하여 예측 구성 창을 엽니다.
-
다음으로 적용 데이터 집합을 선택해야 합니다. 데이터 적용에서 적용 데이터 집합 선택을 클릭합니다.
-
자습서 시작 시 가져온 Customer churn data - apply.csv 데이터 집합을 선택합니다.
-
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.
-
예측 구성 창에서 예측 데이터 집합 이름 지정을 클릭합니다. 데이터 집합의 이름을 입력하거나 기본 이름으로 설정하고 공백을 선택한 다음 확인을 클릭합니다.
-
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.