모델 세부사항 제공
모델 평가를 활성화하려면 모델 설정 방법에 대한 세부 정보를 제공해야 합니다.
다양한 방법을 사용하여 평가를 위한 모델 세부 정보를 제공할 수 있습니다. 사용하는 방법은 평가를 구성하는 방법 및 평가하려는 배치 유형에 따라 다릅니다.
모델 세부사항 제공
배포를 추가하면 필요한 모든 모델 세부 정보를 자동으로 감지할 수 있습니다. 필요한 모델 세부 정보가 모두 감지되지 않으면 모델 세부 정보를 수동으로 제공해야 합니다.
다음 섹션에서는 모델 평가를 위해 모델 세부 정보를 제공하는 방법에 대해 설명합니다:
구성 방법 선택
구조화된 데이터 모델의 경우, 안내 단계를 수행하거나 노트북을 실행하여 업로드할 수 있는 구성 패키지를 생성함으로써 모델 세부사항을 제공해야 합니다. 선택한 배포에 스코어링 엔드포인트가 없는 경우 구성 패키지를 업로드해야 합니다.
샘플 트랜잭션 제공
이미지 및 비정형 텍스트 모델의 경우 학습 데이터가 필요하지 않으며 모델 출력 및 입력을 지정하기 위해 샘플 트랜잭션을 수동으로 제공해야 합니다.
훈련 데이터 지정하기
배포를 추가할 때 트레이닝 데이터 세부 정보가 감지되지 않는 경우, CSV 파일을 업로드하여 트레이닝 데이터를 지정하거나 데이터베이스 또는 클라우드 스토리지에 저장된 트레이닝 데이터에 연결할 수 있습니다. 훈련 데이터에 연결하려면 위치를 선택하고 연결 세부사항을 지정해야 합니다. 배포를 추가할 때 교육 데이터 세부 정보가 감지되면 데이터베이스 또는 클라우드 저장소 옵션이 미리 선택되고 위치 및 연결 세부 정보가 지정됩니다.
기능 및 레이블 열 선택
학습 데이터에서 사용할 수 있는 열 목록이 표시되면 모델을 학습하는 데 사용한 기능을 선택하고 각 레코드에 대해 예상되거나 정확한 클래스 레이블이 포함된 열을 레이블/대상 열로 지정해야 합니다. 기능 및 레이블 열을 선택하면 학습 데이터를 사용하여 모델 출력과 배포 상태를 검증하기 위해 자동으로 배포에 채점 요청을 보냅니다.
모델 출력 선택하기
예측 열 및 예측 확률 열을 선택하십시오. 예측 열에는 배치가 생성하는 예측이 포함되고 예측 확률 열에는 예측에서 모델의 신뢰도가 포함됩니다. 모델 배포에서 식별한 메타데이터에 따라 예상 열이 미리 선택될 수 있습니다. 이러한 선택사항을 변경하도록 선택할 수 있습니다. 예측 열의 데이터 유형은 레이블 열의 데이터 유형과 일치해야 합니다. 데이터 유형이 일치하지 않으면 모델 평가가 제대로 작동하지 않을 수 있습니다.
상위 주제: 모델 평가 준비