Vowpal Wabbit 버전 7-10 모델 점수 매기기

명령줄 인터페이스에서 Vowpal Wabbit 기계 학습 시스템을 사용하여 데이터의 점수 매기기

범주: Text Analytics

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 기존 Vowpal Wabbit 모델을 사용 하 여 Azure Machine Learning Studio (클래식)의 점수 Vowpal Wabbit 버전 7-10 모델 모듈을 사용 하 여 입력 데이터 집합에 대 한 점수를 생성 하는 방법을 설명 합니다.

이 모듈에서는 Vowpal Wabbit 프레임 워크의 버전 7-10을 사용 합니다. 이 모듈을 사용 하 여 7-10 형식으로 저장 된 학습 된 모델을 사용 하 여 데이터의 점수를 매길 수 있습니다.

이전 버전을 사용 하 여 기존 모델을 만든 경우 다음 모듈을 사용 합니다.

최신 버전의 Vowpal Wabbit를 사용 하려면 다음을 사용 합니다.

Vowpal Wabbit 버전 7-10 모델 점수를 구성 하는 방법

  1. 점수 Vowpal Wabbit 버전 7-10 모델 모듈을 실험에 추가 합니다.

  2. 학습 된 Vowpal Wabbit 모델을 추가 하 고 왼쪽 입력 포트에 연결 합니다. 동일한 실험에서 만든 학습 된 모델을 사용 하거나 스튜디오 (클래식)의 왼쪽 탐색 창에 있는 학습 된 모델 그룹에서 저장 된 모델을 찾을 수 있습니다.

    제한 사항

    모델은 Azure Machine Learning Studio (클래식)에서 사용할 수 있어야 합니다. Azure 저장소에서 모델을 직접 로드할 수 없습니다.

    Vowpal Wabbit 7-10 모델만 지원 됩니다. 다른 알고리즘을 사용 하 여 학습 된 저장 된 모델은 연결할 수 없으며 이전 또는 이후 버전을 사용 하 여 학습 된 모델을 사용할 수 없습니다.

  3. VW 인수 텍스트 상자에 Vowpal Wabbit 실행 파일에 대 한 올바른 명령줄 인수 집합을 입력 합니다.
    Azure Machine Learning에서 지원 되 고 지원 되지 않는 Vowpal Wabbit 인수에 대 한 자세한 내용은 기술 참고 사항 섹션을 참조 하세요.

  4. 데이터 형식 지정 을 클릭 하 고 목록에서 지원 되는 데이터 형식 중 하나를 선택 합니다.

    점수 매기기에는 VW 호환 데이터의 단일 열이 필요 합니다.

    SVMLight 또는 VW 형식으로 만들어진 기존 파일이 있는 경우이 파일을 Azure ML 작업 영역에 새 데이터 집합으로 로드할 수 있습니다. 이러한 형식 중 하나는 헤더 없는 일반 CSV, TSV는 헤더 없이입니다.

    VW 옵션을 사용 하려면 레이블이 있어야 하지만 비교를 제외 하 고 점수 매기기에서 사용 되지 않습니다.

  5. 데이터 가져오기 모듈을 추가 하 고 점수 Vowpal Wabbit 버전 7-10 의 오른쪽 입력 포트에 연결 합니다. 데이터 가져오기 를 구성 하 여 입력 데이터에 액세스 합니다.

    점수 매기기에 대 한 입력 데이터를 지원 되는 형식 중 하나로 미리 준비 하 고 Azure blob 저장소에 저장 해야 합니다.

  6. 점수와 함께 레이블을 출력 하려면 레이블을 포함 하는 추가 열을 포함 하는 옵션을 선택 합니다.

    일반적으로 텍스트 데이터를 처리할 때 Vowpal Wabbit는 레이블이 필요 하지 않으며 데이터의 각 행에 대 한 점수를 반환 합니다.

  7. 이전 실행의 결과를 다시 사용 하려는 경우 다음 조건을 충족 한다고 가정 하 고 캐시 된 결과 사용 옵션을 선택 합니다.

    • 이전 실행에서 유효한 캐시가 있습니다.

    • 모듈의 입력 데이터 및 매개 변수 설정은 이전 실행 이후 변경 되지 않았습니다.

    그렇지 않으면 실험을 실행할 때마다 가져오기 프로세스가 반복 됩니다.

  8. 실험을 실행합니다.

결과

학습 완료 후:

출력은 0에서 1 사이의 예측 점수를 나타냅니다.

예제

기계 학습에서 Vowpal Wabbit를 사용 하는 방법에 대 한 예는 Azure AI Gallery를 참조 하세요.

  • Vowpal Wabbit 샘플

    이 실험에서는 VW 모델의 데이터 준비, 학습 및 운영 화를 보여 줍니다.

다음 비디오는 Vowpal Wabbit의 학습 및 평가 프로세스에 대 한 연습을 제공 합니다.

https://azure.microsoft.com/documentation/videos/text-analytics-and-vowpal-wabbit-in-azure-ml-studio/

기술 참고 사항

이 섹션에는 구현 세부 정보, 팁 및 질문과 대답 (faq)이 포함 되어 있습니다.

매개 변수

Vowpal Wabbit에는 알고리즘을 선택 하 고 조정 하는 데 사용할 수 있는 많은 명령줄 옵션이 있습니다. 이러한 옵션에 대 한 자세한 설명은 여기에서 사용할 수 없습니다. Vowpal Wabbit wiki 페이지를 보는 것이 좋습니다.

다음 매개 변수는 Azure Machine Learning Studio (클래식)에서 지원 되지 않습니다.

  • 에 지정 된 입력/출력 옵션 https://github.com/JohnLangford/vowpal_wabbit/wiki/Command-line-arguments

    이러한 속성은 이미 모듈에 의해 자동으로 구성 됩니다.

  • 또한 여러 출력을 생성 하거나 여러 입력을 사용 하는 옵션은 허용 되지 않습니다. 여기에는, 및가 포함 됩니다 --cbt --lda --wap .

  • 감독 된 학습 알고리즘만 지원 됩니다. 이렇게 하면, 등의 옵션이 허용 되지 –active --rank --search 않습니다.

위에 설명 된 인수 이외의 모든 인수를 사용할 수 있습니다.

예상 입력

Name Type 설명
학습된 모델 ILearner 인터페이스 학습된 학습자입니다.
데이터 세트 데이터 테이블 점수를 매길 데이터 집합입니다.

모듈 매개 변수

Name 범위 Type 기본값 설명
VW 인수 모두 String 없음 Vowpal Wabbit 인수를 입력합니다.

다음 인수는 지원되지 않습니다.

- -i
- -p 또는
- -t
레이블이 들어 있는 추가 열 포함 True/False 부울 false 압축된 파일에 예측 내용과 함께 레이블을 포함해야 하는지 여부를 지정합니다.
데이터 형식 지정 VW

SVMLight
DataType VW 파일 형식이 SVMLight인지 아니면 Vowpal Wabbit인지를 나타냅니다.

출력

Name Type 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.

스튜디오 (클래식) 모듈과 관련 된 오류 목록은 Machine Learning 오류 코드를 참조 하세요.

API 예외 목록은 Machine Learning REST API 오류 코드를 참조 하세요.

참고 항목

Text Analytics
기능 해시
명명 된 엔터티 인식
Vowpal Wabbit 7-4 모델 점수 매기기
Vowpal Wabbit 7-4 모델 학습
Vowpal Wabbit 7-10 모델 학습
전체 모듈 목록