기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
사용자 지정 모델을 사용한 예측
SageMaker Canvas에 구축한 사용자 지정 모델을 사용하여 데이터를 예측합니다. 다음 섹션에서는 숫자 및 범주형 예측 모델, 시계열 예측, 이미지 예측 모델 및 텍스트 예측 모델에 대한 예측을 수행하는 방법을 보여줍니다.
숫자 및 범주형 예측, 이미지 예측, 텍스트 예측 사용자 지정 모델은 데이터에 대해 다음과 같은 유형의 예측을 지원합니다.
-
단일 예측 - 단일 예측은 하나의 예측만 수행하면 되는 경우입니다. 예를 들어 분류하려는 이미지나 텍스트 구절이 하나 있다고 가정해 보겠습니다.
-
배치 예측 - 배치 예측은 전체 데이터 집합에 대해 예측을 수행하려는 경우입니다. 1TB 이상의 데이터 세트에 대해 배치 예측을 수행할 수 있습니다. 예를 들어 고객 감성을 예측하려는 고객 리뷰 CSV 파일이 있거나 분류하려는 이미지 파일 폴더가 있습니다. 입력 데이터 세트와 일치하는 데이터 세트로 예측해야 합니다. Canvas는 수동 배치 예측을 수행할 수 있는 기능을 제공하거나 데이터 세트를 업데이트할 때마다 실행되는 자동 배치 예측을 구성할 수 있습니다.
각 예측 또는 예측 세트에 대해 SageMaker 캔버스는 다음을 반환합니다.
-
예측된 값
-
예측값이 정확할 확률
시작하기
다음 워크플로 중 하나를 선택하여 사용자 지정 모델로 예측하세요.
모델을 사용하여 예측을 생성한 후 다음을 수행할 수도 있습니다.
버전을 추가하여 모델을 업데이트합니다. 모델의 예측 정확도를 향상시키려면 새 버전의 모델을 구축할 수 있습니다. 원래 모델 구축 구성 및 데이터 세트를 복제하도록 선택하거나 구성을 변경하고 다른 데이터 세트를 선택할 수 있습니다. 새 버전을 추가한 후 버전을 검토하고 비교하여 가장 적합한 버전을 선택할 수 있습니다.
모델 레지스트리에 SageMaker 모델 버전 등록. 모델 버전 및 기계 학습 파이프라인의 상태를 추적하고 관리하기 위한 기능인 SageMaker 모델 레지스트리에 모델 버전을 등록할 수 있습니다. SageMaker 모델 레지스트리에 액세스할 수 있는 데이터 과학자 또는 MLOps 팀 사용자는 모델 버전을 검토하고 프로덕션에 배포하기 전에 승인하거나 거부할 수 있습니다.
배치 예측을 Amazon 로 전송합니다 QuickSight. Amazon 에서는 배치 예측 데이터 세트를 사용하여 대시보드를 구축하고 게시할 QuickSight수 있습니다. 이를 통해 사용자 지정 모델에서 생성된 결과를 분석하고 공유할 수 있습니다.