의견 보내기
분류 및 회귀 개요
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
바이러니 분류 모델은 이진 결과(2개 클래스 중 하나)를 예측합니다. 예 또는 아니요로 답할 수 있는 질문인 경우 이 모델 유형을 사용하세요. 예를 들어 고객이 구독을 구매할지 여부를 예측하는 이진 분류 모델을 빌드할 수 있습니다. 일반적으로 이진 분류 문제는 다른 모델 유형에 비해 적은 데이터가 필요합니다.
다중 클래스 분류 모델은 3개 이상의 개별 클래스 중 하나를 예측합니다. 분류에 이 모델 유형을 사용합니다. 예를 들어 소매업체의 경우 다중 클래스 분류 모델을 빌드하여 고객을 여러 페르소나로 구분할 수 있습니다.
회귀 모델은 연속된 값을 예측합니다. 예를 들어 소매업체의 경우 회귀 모델을 빌드하여 고객이 다음 달에 지출할 비용을 예측할 수 있습니다.
분류 또는 회귀 모델을 만들고 예측하는 워크플로
Vertex AI에서 분류 또는 회귀 모델을 만드는 프로세스는 다음과 같습니다.
단계
설명
1. 학습 데이터 준비
모델 학습을 위한 학습 데이터를 준비합니다.
2. 데이터 세트 만들기
새 데이터 세트를 만들고 준비된 학습 데이터를 연결합니다.
3. 모델 학습
데이터 세트를 사용하여 Vertex AI에서 분류 또는 회귀 모델을 학습시킵니다.
4. 모델 평가하기
새로 학습된 모델의 예측 정확도를 평가합니다.
5. 모델 아키텍처 보기
조정 시도의 초매개변수 로그와 최종 모델의 초매개변수 로그를 열람합니다.
6. 모델에서 예측 수행
실시간 예측을 원하는 경우 모델을 배포하고 온라인 예측을 수행 할 수 있습니다.
실시간 예측이 필요하지 않은 경우 모델에 직접 일괄 예측 요청 을 수행할 수 있습니다.
의견 보내기
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스 에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스 에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책 을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"번역 문제"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"기타"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"이해하기 쉬움"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"문제가 해결됨"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"기타"
}]
의견을 전달하고 싶나요?