모델 채점

학습된 분류 또는 회귀 모델에 대한 예측 점수 매기기

범주: Machine Learning/점수

참고

적용 대상: Machine Learning Studio (클래식)

이 콘텐츠는 Studio (클래식)에만 해당 됩니다. Azure Machine Learning 디자이너에는 비슷한 끌어서 놓기 모듈이 추가 되었습니다. 이 문서에서는 두 가지 버전을 비교 하는방법에 대해 자세히 알아보세요.

모듈 개요

이 문서에서는 Azure Machine Learning Studio (클래식)의 모델 점수 매기기 모듈을 사용 하 여 학습 된 분류 또는 회귀 모델을 사용 하 여 예측을 생성 하는 방법을 설명 합니다.

모델 점수 매기기를 사용 하는 방법

  1. 모델 점수 매기기 모듈을 스튜디오의 실험 (클래식)에 추가 합니다.

  2. 학습 된 모델 및 새 입력 데이터를 포함 하는 데이터 집합을 연결 합니다.

    데이터는 사용 중인 학습 된 모델의 형식과 호환 되는 형식 이어야 합니다. 입력 데이터 집합의 스키마도 일반적으로 모델을 학습 하는 데 사용 되는 데이터의 스키마와 일치 해야 합니다.

  3. 실험을 실행합니다.

결과

모델 점수 매기기를 사용 하 여 점수 집합을 생성 한 후:

  • 모델 정확도 (성능)를 평가 하는 데 사용 되는 메트릭 집합을 생성 합니다. 점수가 매겨진 데이터 집합을 연결 하 여 모델을 평가할수 있습니다.
  • 모듈을 마우스 오른쪽 단추로 클릭 하 고 시각화 를 선택 하 여 결과 샘플을 표시 합니다.
  • 결과를 데이터 집합에 저장 합니다.

점수 또는 예측 값은 모델 및 입력 데이터에 따라 다양 한 형식으로 될 수 있습니다.

  • 분류 모델의 경우 점수 매기기 모델 은 클래스의 예측 값 뿐만 아니라 예측 값의 확률을 출력 합니다.
  • 회귀 모델의 경우 모델 점수 매기기 는 예측 된 숫자 값만 생성 합니다.
  • 이미지 분류 모델의 경우 점수는 이미지의 개체 클래스이거나 특정 기능이 있는지 여부를 표시하는 부울일 수 있습니다.

점수를 웹 서비스로 게시

점수 매기기의 일반적인 용도는 예측 웹 서비스의 일부로 출력을 반환 하는 것입니다. 자세한 내용은 Azure ML Studio (클래식)의 실험을 기반으로 웹 서비스를 만드는 방법에 대 한 자습서를 참조 하세요.

예제

실험 워크플로에서 점수 모델 을 사용 하는 방법에 대 한 예는 Azure AI Gallery를 참조 하세요.

기술 정보

점수 모델에서 지원 되지 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 사용 하는 경우 점수 모델에 전달 하기 전에 데이터를 검토 하 고 누락 된 데이터 정리 를 사용 하 여 입력 열에서 누락 값을 수정 합니다.

예상 입력

Name Type 설명
학습된 모델 ILearner 인터페이스 학습된 예측 모델입니다.
데이터 세트 데이터 테이블 입력 테스트 데이터 집합입니다.

출력

Name Type 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

구하려는
모델 학습
Matchbox 추천 점수 매기기