ML 모델의 엔드 투 엔드 사용자 경험

이 문서에서는 BigQuery ML에서 학습된 머신러닝 (ML) 모델의 사용자 여정을 설명합니다. 여기에는 ML 모델을 사용하는 데 사용할 수 있는 문과 함수가 포함됩니다. BigQuery ML은 다음과 같은 유형의 ML 모델을 제공합니다.

• 지도 학습 모델:

  • 선형 및 로지스틱 회귀
  • 심층신경망(DNN)
  • 와이드 앤 딥
  • 부스티드 트리
  • 랜덤 포레스트
  • AutoML

• 비지도 학습 모델:

  • k-평균 클러스터링
  • 행렬 분해
  • Autoencoder
  • 주 구성원 구성요소 분석(PCA)

• 변환 전용 모델: 변환 전용 모델은 일반적인 ML 모델이 아니라 원시 데이터를 특성으로 변환하는 아티팩트입니다.

모델 생성 사용자 여정

다음 표에서는 모델을 만들고 조정하는 데 사용할 수 있는 문과 함수를 설명합니다.

모델 카테고리	모델 유형	모델 생성	기능 사전 처리	하이퍼파라미터 조정^1	모델 가중치	기능 및 학습 정보	튜토리얼
지도 학습	선형 및 로지스틱 회귀	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	선형 회귀를 사용하여 펭귄 체중 예측 로지스틱 회귀 모델로 분류 실행
	심층신경망(DNN)	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
	와이드 앤 딥 네트워크	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
	부스티드 트리	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	부스티드 트리 모델로 분류 실행
	랜덤 포레스트	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
	AutoML 분류 및 회귀	CREATE MODEL	AutoML이 특성 추출을 자동으로 실행합니다.	AutoML은 자동으로 하이퍼파라미터 조정을 실행합니다.	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
비지도 학습	k-평균	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	ML.CENTROIDS	ML.FEATURE _INFO ML.TRAINING _INFO	자전거 정거장 데이터에서 클러스터 찾기
	행렬 분해	CREATE MODEL	해당 사항 없음	하이퍼파라미터 조정 ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	명시적 피드백을 사용하여 영화 추천 생성 암시적 피드백을 사용하여 콘텐츠 추천 생성
	주 구성원 구성요소 분석(PCA)	CREATE MODEL	자동 사전 처리 수동 사전 처리	해당 사항 없음	ML.PRINCIPAL _COMPONENTS ML.PRINCIPAL _COMPONENT _INFO	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
	Autoencoder	CREATE MODEL	자동 사전 처리 수동 사전 처리	하이퍼파라미터 조정 ML.TRIAL _INFO	해당 사항 없음^2	ML.FEATURE _INFO ML.TRAINING _INFO	해당 사항 없음
Transform-only	Transform-only	CREATE MODEL	수동 사전 처리	해당 사항 없음	해당 사항 없음	ML.FEATURE _INFO	해당 사항 없음

¹초매개변수 조정 사용의 단계별 예는 초매개변수 조정을 사용하여 모델 성능 개선을 참고하세요.

²BigQuery ML은 이 모델의 가중치를 검색하는 함수를 제공하지 않습니다. 모델의 가중치를 보려면 BigQuery ML에서 Cloud Storage로 모델을 내보내고 XGBoost 라이브러리 또는 TensorFlow 라이브러리를 사용하여 트리 모델의 트리 구조 또는 신경망의 그래프 구조를 시각화할 수 있습니다. 자세한 내용은 EXPORT MODEL 및 온라인 예측을 위해 BigQuery ML 모델 내보내기를 참고하세요.

모델 사용 사용자 여정

다음 표에서는 모델을 평가하고, 설명하고, 모델에서 예측을 얻는 데 사용할 수 있는 문과 함수를 설명합니다.

모델 카테고리	모델 유형	평가	추론	AI Explanation	모델 모니터링
지도 학습	선형 및 로지스틱 회귀	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	심층신경망(DNN)	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	와이드 앤 딥 네트워크	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS^5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	부스티드 트리	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE^4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	랜덤 포레스트	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT^3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE^4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	AutoML 분류 및 회귀	ML.EVALUATE ML.CONFUSION _MATRIX^1 ML.ROC_CURVE^2	ML.PREDICT	ML.GLOBAL_EXPLAIN	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
비지도 학습	k-평균	ML.EVALUATE	ML.PREDICT ML.DETECT _ANOMALIES ML.TRANSFORM	해당 사항 없음	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	행렬 분해	ML.EVALUATE	ML.RECOMMEND ML.GENERATE _EMBEDDING	해당 사항 없음	해당 사항 없음
	주 구성원 구성요소 분석(PCA)	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.TRANSFORM	해당 사항 없음	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Autoencoder	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.RECONSTRUCTION _LOSS ML.TRANSFORM	해당 사항 없음	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
Transform-only	Transform-only	해당 사항 없음	ML.TRANSFORM	해당 사항 없음	해당 사항 없음

¹ML.CONFUSION_MATRIX는 분류 모델에만 적용됩니다.

²ML.ROC_CURVE는 이진 분류 모델에만 적용됩니다.

³ML.EXPLAIN_PREDICT 함수의 출력은 ML.PREDICT 결과의 상위 집합이므로 ML.EXPLAIN_PREDICT 함수는 ML.PREDICT 함수를 포함합니다.

⁴ML.GLOBAL_EXPLAIN와 ML.FEATURE_IMPORTANCE의 차이점을 이해하려면 Explainable AI 개요를 참고하세요.

⁵ML.ADVANCED_WEIGHTS 함수의 출력은 ML.WEIGHTS 결과의 상위 집합이므로 ML.ADVANCED_WEIGHTS 함수는 ML.WEIGHTS 함수를 포함합니다.