모델 점수 보기

모델 보기는 기계 학습 알고리즘 교육에서 얻은 통찰력 컬렉션을 보여 줍니다. 메트릭 및 차트를 사용하면 실험 버전 내에서 또는 서로 다른 실험 버전 간에 서로 다른 모델을 비교할 수 있습니다. 메트릭을 검토하여 모델의 성능과 점수를 개선하기 위해 모델을 구체화할 수 있는 방법을 알아봅니다.

실험 버전에 가장 적합한 알고리즘은 자동으로 선택되며 으로 표시됩니다. 등급은 분류 모델의 F1 점수와 회귀 모델의 R2 점수를 기반으로 합니다.

이미 ML 배포에 모델이 배포된 경우 아이콘을 클릭하여 배포를 엽니다. 동일한 모델에서 하나 이상의 배포가 만들어진 경우 을 클릭한 다음 을 클릭하여 원하는 ML 배포를 엽니다.

테이블에 메트릭 표시

기계 학습 문제의 유형에 따라 다양한 메트릭을 사용할 수 있습니다.

다음과 같이 하십시오.

1. 모델 메트릭 테이블의 오른쪽 위에서 을 클릭합니다.

2. 표시할 메트릭을 선택합니다.

모델 메트릭 보기

모델 메트릭을 볼 때 사용할 수 있는 여러 필터가 있습니다. 모델 메트릭 테이블 바로 위에 있는 드롭다운 메뉴를 확장하여 모델에 대한 필터 옵션을 탐색합니다.

실험 버전 및 사용된 알고리즘별로 모델을 필터링할 수 있습니다. 최고 성능 모델에 대한 메트릭을 포함하려면 최고 성과자 필터를 사용합니다. 선택한 모델 필터에는 선택한 모델에 대한 모델 메트릭이 포함됩니다. 배포된 모델에 대한 메트릭을 포함하려면 배포됨 필터를 사용합니다.

필터를 결합하면 적용된 필터와 일치하는 모델 메트릭이 표시됩니다.

홀드아웃 점수와 교육 점수 비교

모델 보기에 표시되는 메트릭은 교육 후 모델 성능의 유효성을 검사하는 데 사용되는 자동 홀드아웃 데이터를 기반으로 합니다. 또한 교차 유효성 검사 중에 생성된 교육 메트릭을 보고 홀드아웃 메트릭과 비교할 수 있습니다. 교육 데이터 모델 점수에 대한 열을 표시하려면 교육 데이터 메트릭 표시를 켜거나 끕니다. 이러한 점수는 종종 비슷하지만 크게 다를 경우 데이터 유출 또는 과적합 문제가 있을 수 있습니다.

다음과 같이 하십시오.

1. 모델 메트릭 테이블에서 모델을 선택합니다.

2. 교육 데이터 메트릭 표시를 클릭합니다.

하이퍼 매개 변수 값 보기

각 알고리즘별로 교육에 사용된 하이퍼 매개 변수 값을 볼 수 있습니다. 하이퍼 매개 변수에 대한 자세한 내용은 하이퍼 매개 변수 최적화를 참조하십시오.

다음과 같이 하십시오.

• 모델 메트릭 테이블에서 하이퍼 매개 변수 열의 을 클릭합니다.

  하이퍼 매개 변수 값은 팝업 창에 표시됩니다.

실험 구성 보기

실험 구성 창에는 현재 선택한 모델의 실험 버전 구성이 표시됩니다.

다음과 같이 하십시오.

1. 실험 버전에서 모델을 선택합니다.

2. 또는 구성 보기를 클릭하여 실험 구성 창을 엽니다.