다음을 통해 공유

모델 채점

  • 아티클

중요

Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.

ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.

학습된 분류 또는 회귀 모델에 대한 예측 점수 매기기

범주: Machine Learning/점수

참고

적용 대상: Machine Learning Studio(클래식) 전용

유사한 끌어서 놓기 모듈은 Azure Machine Learning 디자이너에서 사용할 수 있습니다.

모듈 개요

이 문서에서는 Machine Learning Studio(클래식)에서 모델 점수 매기기 모듈을 사용하여 학습된 분류 또는 회귀 모델을 사용하여 예측을 생성하는 방법을 설명합니다.

모델 점수 매기기 사용 방법

  1. Studio(클래식)에서 실험에 모델 점수 매기기 모듈을 추가합니다.

  2. 학습된 모델 및 새 입력 데이터를 포함하는 데이터 집합을 연결합니다.

    데이터는 사용 중인 학습된 모델의 형식과 호환되는 형식이어야 합니다. 입력 데이터 집합의 스키마 또한 일반적으로 모델을 학습하는 데 사용되는 데이터의 스키마와 일치해야 합니다.

  3. 실험을 실행합니다.

결과

모델 점수 매기기를 사용하여 점수 집합을 생성한 후에는 다음을 수행합니다.

  • 모델의 정확도(성능)를 평가하는 데 사용되는 메트릭 집합을 생성합니다. 점수가 매길 데이터 세트를 모델 평가에 연결할 수 있습니다.
  • 모듈을 마우스 오른쪽 단추로 클릭하고 시각화 를 선택하여 결과의 샘플을 확인합니다.
  • 결과를 데이터 세트에 저장합니다.

점수 또는 예측 값은 모델 및 입력 데이터에 따라 다양한 형식일 수 있습니다.

  • 분류 모델의 경우 점수 매기기 모델 은 클래스의 예측 값 뿐만 아니라 예측 값의 가능성을 출력합니다.
  • 회귀 모델의 경우 모델 점수 매기기는 예측된 숫자 값만 생성합니다.
  • 이미지 분류 모델의 경우 점수는 이미지의 개체 클래스이거나 특정 기능이 있는지 여부를 표시하는 부울일 수 있습니다.

점수를 웹 서비스로 게시

채점의 일반적인 용도는 출력을 예측 웹 서비스의 일부로 반환하는 것입니다. 자세한 내용은 Azure ML Studio(클래식)에서 실험을 기반으로 웹 서비스를 만드는 방법에 대한 이 자습서를 참조하세요.

예

실험적 워크플로에서 모델 점수 매기 기 사용 방법의 예는 Azure AI 갤러리를 참조하세요.

기술 정보

모델 점수 매기기에서 지원되지 않는 모델

다음과 같이 특수한 유형의 모델 중 하나를 사용하는 경우 사용자 지정 점수 모듈 중 하나를 사용해야 할 수 있습니다.

사용 팁

점수를 매기는 데이터에 누락 값이 있으면 대부분의 경우 전체 행에 대한 점수가 생성되지 않습니다.

다음 기계 학습 모델의 경우 데이터에 누락 값이 없어야 합니다. 다음 기계 학습 모델을 사용하는 경우 점수 매기기 모델에 전달하기 전에 데이터를 검토하고 누락된 데이터 정리 를 사용하여 입력 열의 누락된 값을 수정합니다.

예상 입력

Name 유형 Description
학습된 모델 ILearner 인터페이스 학습된 예측 모델입니다.
데이터 세트 데이터 테이블 입력 테스트 데이터 집합입니다.

출력

Name 유형 설명
점수가 매겨진 데이터 집합입니다. 데이터 테이블 점수를 얻은 데이터 집합입니다.

예외

예외 설명
오류 0032 인수가 숫자가 아니면 예외가 발생합니다.
오류 0033 인수가 무한 값이면 예외가 발생합니다.
오류 0003 하나 이상의 입력이 null이거나 비어 있으면 예외가 발생합니다.
오류 0013 모듈에 전달된 학습자의 유형이 잘못된 경우 예외가 발생합니다.

참고 항목

평가
모델 학습
Matchbox 추천 점수 매기기