데이터 세트 개요

이 튜토리얼에서는 리소스 허브의 베이징 PM 2.5 데이터 세트를 사용합니다. 이 데이터 세트는 2010~2014년베이징의 기상 조건을 설명하며 1일단계 또는 증분으로 측정됩니다. 이 데이터 세트를 사용하여 AutoAI 실험을 구성하고 지원 기능을 선택합니다. 데이터 세트에 대한 세부사항은 다음에서 설명합니다.

• 날짜 열 이외의 각 열은 오염 지수에 영향을 주는 날씨 조건을 나타냅니다.
• 자원 허브 항목은 데이터의 오리진을 표시합니다. 파일을 다운로드하기 전에 파일을 미리 볼 수 있습니다.
• 샘플 데이터는 행과 열로 구조화되고 .CSV 파일로 저장됩니다.

태스크 개요

이 학습서에서는 지원 기능을 사용하는 다변량 시계열 실험을 작성하기 위한 단계를 수행합니다.

1. 프로젝트 작성
2. AutoAI 실험 작성
3. 실험 구성
4. 실험 결과 검토
5. 훈련된 모델 배치
6. 배치된 모델 테스트

프로젝트 작성

다음 단계에 따라 빈 프로젝트를 만들고 IBM watsonx 리소스 허브에서 Beijing PM 2.5 데이터 세트를 다운로드하세요.

1. 기본 탐색 분할창에서 프로젝트 > 모든 프로젝트 보기를 클릭한 후 새 프로젝트를 클릭하십시오.
   a. 빈 프로젝트 작성을 클릭하십시오.
   b. 프로젝트의 이름 및 선택적 설명을 입력하십시오.
   c. 작성을 클릭하십시오.
2. 기본 탐색 패널에서 리소스 허브를 클릭하고 베이징 PM 2.5 데이터 세트의 로컬 복사본을 다운로드하세요.

AutoAI 실험 작성

AutoAI 실험을 작성하고 실험에 샘플 데이터를 추가하려면 다음 단계를 수행하십시오.

1. 프로젝트 내의 자산 탭에서 새 자산 > 자동으로 기계 학습 모델 빌드를 클릭하십시오.

2. 실험의 이름 및 선택적 설명을 지정하십시오.

3. 기계 학습 서비스 인스턴스를 실험과 연관시키십시오.

4. 8 vCPU 및 32GB RAM의 환경 정의를 선택하십시오.

5. 작성을 클릭하십시오.

6. 샘플 데이터를 추가하려면 다음 방법 중 하나를 선택하십시오.

   • 파일을 로컬로 다운로드한 경우 찾아보기 를 클릭한 후 프롬프트에 따라 훈련 데이터 파일 PM25.csv 를 업로드하십시오.
   • 파일을 이미 프로젝트에 업로드한 경우 프로젝트에서 선택을 클릭한 후 데이터 자산 탭을 선택하고 북경 PM 25.csv를 선택하십시오.

실험 구성

다음 단계에 따라 다변량 AutoAI 시계열 실험을 구성하십시오.

1. 시계열 예측을 작성하는 옵션에 대해 Yes를 클릭하십시오.

2. 예측 열로 pollution, temp를 선택하십시오.

3. 날짜/시간 열로 선택하십시오. date.

   

4. 실험 설정 을 클릭하여 실험을 구성하십시오.
   a. 예측 페이지에서 포함할 알고리즘의 기본 선택사항을 승인하십시오. 지원 기능을 사용할 수 있는 알고리즘은 지원 기능 허용 열에 체크 표시가 있습니다.
   
   

   b. 데이터 소스 페이지로 이동하십시오. 이 학습에서는 테스트 중에 지원 기능의 향후 값을 제공합니다. 미래 값은 지원 기능에 대한 값이 예측 범위에 대해 알 수 있는 경우에 유용합니다. 지원 기능의 향후 가치 활용에 대한 기본 인에이블먼트를 승인하십시오. 또한 지원 기능으로 사용될 열에 대한 기본 선택을 수락합니다.
   
   c. 실험 설정을 종료하려면 취소 를 클릭하십시오.

5. 훈련을 시작하려면 실행 실험을 클릭하십시오.

실험 결과 검토

실험을 완료하는 데 몇 분이 걸립니다. 실험이 훈련되면 관계 맵은 파이프라인을 작성하는 데 사용되는 변환을 표시합니다. 다음 단계에 따라 실험 결과를 검토하고 최상의 성능으로 파이프라인을 저장하십시오.

1. 선택사항: 관계 맵의 노드 위에 마우스를 올려 놓으면 특정 파이프라인의 변환에 대한 세부사항을 가져올 수 있습니다.

   

2. 선택사항: 파이프라인이 리더보드에 나열된 후 파이프라인 비교 를 클릭하여 파이프라인의 차이점을 확인하십시오. 예를 들어,

   

3. 훈련이 완료되면 상위 세 개의 최고 파이프라인이 리더보드에 저장됩니다. 파이프라인 이름을 클릭하여 세부사항을 검토하십시오.

   참고: 지원 기능을 사용하는 파이프라인은 **SUP* * 개선사항으로 표시됩니다.

   

4. Rank 1을 사용하여 파이프라인을 선택하고 다른 이름으로 저장을 클릭하여 모델을 작성하십시오. 그런 다음 작성을 클릭하십시오. 이 조치는 자산 탭의 모델 섹션 아래에 파이프라인을 저장합니다.

훈련된 모델 배치

훈련된 모델을 사용하여 새 데이터에서 예측을 수행하기 전에 모델을 배치해야 합니다. 훈련된 모델을 배치 영역으로 승격시키려면 다음 단계를 수행하십시오.

1. 모델 세부사항 페이지에서 모델을 배치할 수 있습니다. 모델 세부사항 페이지에 액세스하려면 다음 옵션 중 하나를 선택하십시오.
   • 모델을 저장할 때 표시되는 알림에서 모델의 이름을 클릭하십시오.
   • 모델을 포함하는 프로젝트의 자산 페이지를 열고 Machine Learning 모델 섹션에서 모델의 이름을 클릭하십시오.
2. 배포 공간 으로 승격 아이콘을 클릭한 다음, 모델이 배포될 배포 공간을 선택하거나 생성합니다.
   선택사항: 다음 단계에 따라 배치 영역을 작성하십시오.
   a. 대상 공간 목록에서 새 배치 공간 작성을 선택하십시오.
   b. 배치 공간 이름을 입력하십시오.
   c. 기계 학습 인스턴스를 연관시키려면 기계 학습 서비스 선택 (선택사항) 으로 이동하여 목록에서 기계 학습 인스턴스를 선택하십시오.
   d. 작성을 클릭하십시오.
   
3. 공간을 선택하거나 작성한 후 승격을 클릭하십시오.
4. 알림에서 배치 공간 링크를 클릭하십시오.
5. 배치 영역의 자산 탭에서 다음을 수행하십시오.
   a. 모델 이름 위에 마우스를 올려놓고 배포 아이콘 을 클릭합니다.
   b. 열리는 페이지에서 다음 필드를 완료하십시오.
   -배치 유형으로 온라인 을 선택하십시오.
   -배치의 이름을 지정하십시오.
   - 작성을 클릭하십시오.
   

배치가 완료되면 배치 탭을 클릭하고 배치 이름을 선택하여 세부사항 페이지를 보십시오.

배치된 모델 테스트

배치 세부사항 페이지에서 배치된 모델을 테스트하려면 다음 단계를 수행하십시오.

1. 배치 세부사항 페이지의 테스트 탭에서 새 관찰 (선택사항) 스프레드시트로 이동하여 다음 값을 입력하십시오.
   오염 (double): 80.417
   temp (double): -5.5
   dew (double): -7.083
   press (double): 1020.667
   wnd_spd (double): 9.518
   눈/비십시오: 필요 (double): 0
   비 (double): 0
   

   
   

2. 지원 기능의 향후 값을 추가하려면 향후 외부 기능 (선택사항) 스프레드시트로 이동하여 다음 값을 입력하십시오.
   dew (double): -12.667
   press (double): 1023.708
   wnd_spd (double): 9.518
   눈비십시오십시오 (double): 0
   비 (double): 0.042
   

   참고: 실험 구성 단계 중에 설정한 예측 범위와 동일한 수의 값을 향후 외부 기능에 제공해야 합니다.

   
   

3. 예측을 클릭하십시오. 결과 예측은 오염 및 온도에 대한 값을 표시합니다.
   

   참고: 출력에 표시되는 예측 값은 배치를 테스트할 때 다를 수 있습니다.

   
   

자세히 알아보기

상위 주제: 시계열 실험 구축