클러스터링 모델 학습

이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.

이 구성 요소를 사용하여 클러스터링 모델을 학습합니다.

구성 요소는 K-Means 클러스터링 구성 요소를 사용하여 이미 구성한 학습되지 않은 클러스터링 모델을 사용하고 레이블이 지정되거나 레이블이 지정되지 않은 데이터 집합을 사용하여 모델을 학습합니다. 구성 요소는 예측에 사용할 수 있는 학습된 모델과 학습 데이터의 각 사례에 대한 클러스터 할당 집합을 모두 만듭니다.

참고

기계 학습 모델 학습을 위한 일반 구성 요소인 모델 학습 구성 요소를 사용하여 클러스터링 모델을 학습할 수 없습니다. 모델 학습은 감독된 학습 알고리즘에서만 작동하기 때문입니다. K-Means 및 다른 클러스터링 알고리즘을 사용하는 경우 자율 학습을 허용합니다. 즉, 알고리즘이 레이블이 지정되지 않은 데이터를 통해 학습할 수 있습니다.

클러스터링 모델 학습을 사용하는 방법

  1. 디자이너에서 파이프라인에 클러스터링 모델 학습 구성 요소를 추가합니다. Machine Learning 구성 요소 의 학습 범주에서 구성 요소를 찾을 수 있습니다.

  2. K-Means 클러스터링 구성 요소 또는 호환되는 클러스터링 모델을 만드는 다른 사용자 지정 구성 요소를 추가하고 클러스터링 모델의 매개 변수를 설정합니다.

  3. 클러스터링 모델 학습 의 오른쪽 입력에 학습 데이터 세트를 연결합니다.

  4. 열 집합 에서 클러스터를 작성하는 데 사용할 데이터 세트의 열을 선택합니다. 올바른 기능을 제공하는 열을 선택해야 합니다. 예를 들어 ID 또는 고유한 값이 있는 다른 열을 사용하거나 모든 값이 같은 열을 사용하지 마십시오.

    레이블을 사용할 수 있는 경우 해당 레이블을 기능으로 사용하거나 그대로 둘 수 있습니다.

  5. 새 클러스터 레이블과 함께 학습 데이터를 출력하려면 추가하려면 선택/결과만 출력하려면 선택 취소 옵션을 선택합니다.

    이 옵션의 선택을 취소하면 클러스터 할당만 출력됩니다.

  6. 파이프라인을 제출하거나 클러스터링 모델 학습 구성 요소를 클릭하고 선택한 실행 을 선택합니다.

결과

학습을 완료한 후:

  • 학습된 모델의 스냅샷을 저장하려면 모델 학습 구성 요소의 오른쪽 패널에서 출력 탭을 선택합니다. 데이터 세트 등록 아이콘을 선택하여 모델을 재사용 가능한 구성 요소로 저장합니다.

  • 모델에서 점수를 생성하려면 클러스터에 데이터 할당을 사용합니다.

참고

디자이너에서 학습된 모델을 배포해야 하는 경우 모델 점수 매기기 대신 클러스터에 데이터 할당이 유추 파이프라인의 웹 서비스 출력 구성 요소 입력에 연결되어 있는지 확인합니다.

다음 단계

Azure Machine Learning 사용할 수 있는 구성 요소 집합을 참조하세요.