Vowpal Wabbit 버전 8 모델 점수 매기기
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)에서 Azure Machine Learning으로 기계 학습 프로젝트 이동에 대한 정보를 참조하세요.
- Azure Machine Learning에 대한 자세한 정보.
ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.
명령줄 인터페이스에서 Vowpal Wabbit 기계 학습 시스템을 사용하여 데이터의 점수 매기기
범주: Text Analytics
모듈 개요
이 문서에서는 기존 학습된 Vowpal Wabbit 모델을 사용하여 Machine Learning Studio(클래식)에서 Vowpal Wabbit 버전 8 모델 점수 매기기 모듈을 사용하여 입력 데이터 집합에 대한 점수를 생성하는 방법을 설명합니다.
이 모듈에서는 Vowpal Wabbit 프레임워크 버전 8의 최신 버전을 제공합니다. 이 모듈을 사용하여 VW 버전 8 형식으로 저장된 학습된 모델을 통해 데이터 점수를 매길 수 있습니다.
이전 버전을 사용하여 만든 기존 모델이 있는 경우 다음 모듈을 사용합니다.
Vowpal Wabbit 모델 점수 매기기를 구성하는 방법 8
Vowpal Wabbit 버전 8 모델 점수 매기기 모듈을 실험에 추가합니다.
학습된 Vowpal Wabbit 모델을 추가하고 왼쪽 입력 포트에 연결합니다. 동일한 실험에서 만든 학습된 모델을 사용하거나 Studio의 학습된 모델 그룹(클래식)의 왼쪽 탐색 창에서 저장된 모델을 찾을 수 있습니다. 그러나 Machine Learning Studio(클래식)에서 모델을 사용할 수 있어야 합니다. Azure Storage에서 모델을 직접 로드할 수는 없습니다.
참고
Vowpal Wabbit 8 모델만 지원됩니다. 다른 알고리즘을 사용하여 학습된 저장된 모델을 연결할 수 없으며 이전 버전을 사용하여 학습된 모델을 사용할 수 없습니다.
VW 인수 텍스트 상자에 Vowpal Wabbit 실행 파일의 유효한 명령줄 인수 집합을 입력합니다.
Machine Learning 지원되고 지원되지 않는 Vowpal Wabbit 인수에 대한 자세한 내용은 기술 정보 섹션을 참조하세요.
데이터 형식 지정을 클릭하고 목록에서 지원되는 데이터 형식 중 하나를 선택합니다.
점수를 매기려면 VW 호환 데이터의 단일 열이 필요합니다.
SVMLight 또는 VW 형식으로 만든 기존 파일이 있는 경우 Azure ML 작업 영역에 헤더가 없는 일반 CSV, 헤더가 없는 TSV 형식 중 하나로 새 데이터 세트로 로드할 수 있습니다.
VW 옵션을 사용하려면 레이블이 있어야 하지만 비교를 제외하고는 점수 매기기에서 사용되지 않습니다.
데이터 가져오기 모듈을 추가하고 Vowpal Wabbit 버전 8 점수 매기기의 오른쪽 입력 포트에 연결합니다. 입력 데이터에 액세스하도록 데이터 가져오기 를 구성합니다.
점수 매기기를 위한 입력 데이터는 지원되는 형식 중 하나로 미리 준비되고 Azure Blob Storage에 저장되어야 합니다.
점수와 함께 레이블을 출력하려면 레이블이 포함된 추가 열 포함 옵션을 선택합니다.
일반적으로 Vowpal Wabbit에서 텍스트 데이터를 처리할 때는 레이블이 필요 없으며 각 데이터 행의 점수만 반환됩니다.
결과와 함께 원시 점수를 출력하려면 원시 점수가 포함된 추가 열 포함 옵션을 선택합니다.
팁
이 옵션은 Vowpal Wabbit 버전 8의 새로운 옵션입니다.
다음 조건이 충족된 것으로 가정하여 이전 실행의 결과를 다시 사용하려면 캐시된 결과 사용 옵션을 선택합니다.
이전 실행에서 유효한 캐시가 있습니다.
모듈의 입력 데이터 및 매개 변수 설정은 이전 실행 이후 변경되지 않았습니다.
그렇지 않으면 가져오기 프로세스는 실험이 실행 될 때마다 반복 됩니다.
실험을 실행합니다.
결과
학습 완료 후 다음이 수행됩니다.
- 결과를 시각화하려면 Vowpal Wabbit 버전 8 모델 점수 매기 기 모듈의 출력을 마우스 오른쪽 단추로 클릭합니다.
출력은 0에서 1 사이로 정규화된 예측 점수를 나타냅니다.
예
Machine Learning에서 Vowpal Wabbit를 사용하는 방법의 예는 Azure AI 갤러리를 참조하세요.
-
이 실험에서는 VW 모델의 데이터 준비, 학습 및 운영화를 보여 줍니다.
다음 비디오에서는 Vowpal Wabbit에 대한 학습 및 점수 매기기 프로세스를 연습합니다.
기술 정보
이 섹션에는 구현 정보, 팁, 질문과 대답이 포함되어 있습니다.
매개 변수
Vowpal Wabbit에는 알고리즘을 선택하고 튜닝하기 위한 많은 명령줄 옵션이 있습니다. 여기서 옵션을 자세히 설명할 수는 없으므로 Vowpal Wabbit wiki 페이지를 참조하는 것이 좋습니다.
Machine Learning Studio(클래식)에서는 다음 매개 변수가 지원되지 않습니다.
https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments에서 지정된 입출력 옵션
이 속성은 이미 모듈에서 자동으로 구성되어 있습니다.
또한 여러 출력을 생성하거나 여러 입력을 사용하는 옵션은 허용되지 않습니다. 여기에 포함 됩니다
--cbt하십시오--lda, 및--wap합니다.감독된 학습 알고리즘만 지원됩니다. 따라서
–active,--rank,--search등의 옵션은 허용되지 않습니다.
위에서 설명한 인수 이외의 모든 인수를 사용할 수 있습니다.
예상 입력
| Name | 유형 | Description |
|---|---|---|
| 학습된 모델 | ILearner 인터페이스 | 학습된 학습자입니다. |
| 데이터 세트 | 데이터 테이블 | 점수를 매길 데이터 집합입니다. |
모듈 매개 변수
| Name | 범위 | Type | 기본값 | 설명 |
|---|---|---|---|---|
| 데이터 형식 지정 | VW SVMLight |
DataType | VW | 파일 형식이 SVMLight인지 Vowpal Wabbit인지 여부를 나타냅니다. |
| VW 인수 | any | String | 없음 | Vowpal Wabbit 인수를 입력합니다. -i 또는 -p 또는 -t를 포함하지 마세요. |
| 레이블이 들어 있는 추가 열 포함 | True/False | 부울 | false | 압축된 파일에 예측 내용과 함께 레이블을 포함해야 하는지 여부를 지정합니다. |
| 원시 점수를 포함하는 추가 열 포함 | True/False | 부울 | false | 결과에 원시 점수(--raw_predictions 해당)를 포함하는 추가 열을 포함할지 여부를 지정합니다. |
출력
| Name | 유형 | 설명 |
|---|---|---|
| 결과 데이터 집합 | 데이터 테이블 | 예측 결과가 포함된 데이터 집합입니다. |
예외
| 예외 | 설명 |
|---|---|
| 오류 0001 | 데이터 세트의 지정된 열 중 하나 이상을 찾을 수 없으면 예외가 발생합니다. |
| 오류 0003 | 하나 이상의 입력이 null이거나 비어 있으면 예외가 발생합니다. |
| 오류 0004 | 매개 변수가 특정 값 이하이면 예외가 발생합니다. |
| 오류 0017 | 지정한 열 중 하나 이상의 형식이 현재 모듈에서 지원되지 않으면 예외가 발생합니다. |
Studio(클래식) 모듈과 관련된 오류 목록은 Machine Learning 오류 코드를 참조하세요.
API 예외 목록은 Machine Learning REST API 오류 코드를 참조하세요.
참고 항목
Text Analytics
기능 해싱
명명된 엔터티 인식
Vowpal Wabbit 7-4 모델 점수 매기기
Vowpal Wabbit 7-4 모델 학습
Vowpal Wabbit 8 모델 학습
전체 모듈 목록