분류 개요
머신러닝의 일반적인 사용 사례는 유사한 라벨이 지정된 데이터로 학습된 모델을 사용하여 새 데이터를 분류하는 것입니다. 예를 들어 이메일이 스팸인지 또는 고객 제품 리뷰가 긍정, 부정, 중립인지 예측할 수 있습니다.
다음 모델 중 하나를 ML.PREDICT 함수와 함께 사용하여 분류를 실행할 수 있습니다.
- 로지스틱 회귀 모델:
MODEL_TYPE옵션을LOGISTIC_REG로 설정하여 로지스틱 회귀를 사용합니다. - 부스팅된 트리 모델:
MODEL_TYPE옵션을BOOSTED_TREE_CLASSIFIER로 설정하여 경사 부스팅된 결정 트리를 사용합니다. - 랜덤 포레스트 모델:
MODEL_TYPE옵션을RANDOM_FOREST_CLASSIFIER로 설정하여 랜덤 포레스트를 사용합니다. - 심층신경망 (DNN) 모델:
MODEL_TYPE옵션을DNN_CLASSIFIER로 설정하여 신경망을 사용합니다. - 와이드 앤 딥 모델:
MODEL_TYPE옵션을DNN_LINEAR_COMBINED_CLASSIFIER로 설정하여 와이드 앤 딥 학습을 사용합니다. - AutoML 모델:
MODEL_TYPE옵션을AUTOML_CLASSIFIER로 설정하여 AutoML 분류 모델을 사용합니다.
추천 지식
CREATE MODEL 문과 ML.PREDICT 함수의 기본 설정을 사용하면 많은 ML 지식 없이도 분류 모델을 만들고 사용할 수 있습니다. 하지만 ML 개발에 관한 기본 지식을 알고 있으면 데이터와 모델을 모두 최적화하여 더 나은 결과를 얻을 수 있습니다. ML 기법과 프로세스에 익숙해지려면 다음 리소스를 사용하는 것이 좋습니다.