모델 학습

ML 모델을 학습시키는 프로세스에는 학습할 학습 데이터가 포함된 ML 알고리즘(즉, 학습 알고리즘)을 제공하는 작업이 포함됩니다. ML 모델이라는 용어는 학습 프로세스에서 생성되는 모델 아티팩트를 나타냅니다.

학습 데이터에는 정답이 포함되어야 하며, 이를 대상 또는 대상 속성이라고 합니다. 학습 알고리즘은 학습 데이터에서 대상(예측하려는 답)에 입력 데이터 속성을 매핑하는 패턴을 찾아 내서, 이들 패턴을 캡처하는 ML 모델을 출력합니다.

그러면 ML 모델을 사용하여 해당 대상을 모르는 새로운 데이터에서 예측을 얻을 수 있습니다. 예를 들어 이메일이 스팸인지 스팸이 아닌 지를 예측하도록 ML 모델을 학습시키고 싶다고 가정해 보겠습니다. 대상을 알고 있는 이메일이 포함된 학습 데이터(즉, 이메일이 스팸인지 스팸이 아닌 지를 나타내는 레이블)를 Amazon ML에 제공하면 됩니다. Amazon ML은 이 데이터를 사용하여 ML 모델을 학습시켜 새 이메일이 스팸인지 아니면 스팸이 아닌 지를 예측하는 모델을 만듭니다.

ML 모델 및 ML 알고리즘에 대한 일반 정보는 기계 학습 개념 단원을 참조하세요.