AutoML 테이블 형식 분류 모델 학습이 완료되면 엔드포인트를 만들고 모델을 엔드포인트에 배포하세요. 모델이 이 새로운 엔드포인트에 배포된 후 예측을 요청하여 모델을 테스트합니다.
모델 로드
모델 학습이 끝나면 모델 탭에 모델이 표시됩니다.
Google Cloud 콘솔의 Vertex AI 섹션에서 모델 페이지로 이동합니다.
모델 목록에서 이전에 만든 학습된 모델의 이름을 클릭합니다.
모델은 여러 버전으로 구성됩니다. 모델 버전 번호 1을 클릭합니다.
모델 평가하기
평가 패널에서는 테스트 세트에 대한 모델 수행 방법을 이해할 수 있습니다. 완료되면 튜토리얼의 다음 부분으로 진행합니다.
평가 측정항목
선택사항. ? 아이콘 위로 마우스를 가져가서 각 평가 측정항목에 대해 자세히 알아봅니다.
선택사항. 신뢰 기준점 슬라이더를 움직여서 정밀도, 재현율, F1 점수에 어떤 영향을 주는지 알아봅니다.
혼동 행렬
혼동 행렬은 테스트 세트(실측 정보)와 비교하여 예측을 보여줍니다.
'1'은 네거티브 클래스(고객이 정기 예금을 등록하지 않음)이고 '2'는 포지티브 클래스입니다. 모델에서는 포지티브 클래스보다 네거티브 클래스의 예측 작업이 더 잘 진행되었을 수 있습니다. 추가 학습 시간, 추가 데이터, 추가 기능이 있으면 포지티브 클래스의 예측 성능이 향상될 수 있습니다.
특성 중요도
특성 중요도는 모델 학습에 대한 각 기능의 영향을 보여줍니다. 값이 높을수록 영향이 더 많습니다.
모델에는 기간(은행과 고객 사이의 최근 커뮤니케이션이 지속된 기간(초))이 예측 결과에 큰 영향을 준 것으로 표시될 수 있습니다.
엔드포인트에 모델 배포하기
모델을 테스트하거나 온라인 예측을 수행하려면 이를 엔드포인트에 배포해야 합니다.
배포 및 테스트 패널을 엽니다.
모델 배포에서 엔드포인트에 배포를 클릭합니다.
엔드포인트 이름으로
Structured_AutoML_Tutorial을 입력합니다.계속을 클릭합니다.
최소 컴퓨팅 노드를
1로 유지하고 최댓값을 입력하지 않습니다.n1-standard-2머신 유형을 선택합니다.계속을 클릭합니다.
이 엔드포인트에 대해 모델 모니터링을 해제합니다.
배포를 클릭하여 엔드포인트를 만들고 모델을 배포합니다.
모델 배포에는 5분 정도 걸립니다. 엔드포인트가 준비되었으면 튜토리얼의 다음 부분으로 진행합니다.
예측 요청
이제 모델이 엔드포인트에 배포되었으므로 예측 요청을 보낼 수 있습니다. API 또는 gcloud를 통해 요청을 전송하는 대신 이 페이지에서 모델을 테스트할 수 있습니다.
모델 테스트 섹션에서 미리 채워진 값 열을 볼 수 있습니다. 이 값을 사용하거나 새 값을 입력할 수 있습니다.
섹션 하단에서 예측을 누릅니다.
이 모델의 예측 결과
1은 부정적 결과 즉, 은행에서 입금되지 않았음을 의미합니다. 예측 결과2는 긍정적 결과 즉, 은행에 입금되었음을 의미합니다.모델은 선택한 라벨이 올바른 라벨인지에 대한 모델의 확신 수준에 해당하는 신뢰도 점수를 반환합니다. 기본값은 높은 신뢰도 점수를 반환했을 수 있습니다.
선택사항. 기간을 훨씬 더 높은 값으로 변경하고 예측을 다시 눌러보세요.