바이러니 분류 모델은 이진 결과(2개 클래스 중 하나)를 예측합니다. 예 또는 아니요로 답할 수 있는 질문인 경우 이 모델 유형을 사용하세요. 예를 들어 고객이 구독을 구매할지 여부를 예측하는 이진 분류 모델을 빌드할 수 있습니다. 일반적으로 이진 분류 문제는 다른 모델 유형에 비해 적은 데이터가 필요합니다.
다중 클래스 분류 모델은 3개 이상의 개별 클래스 중 하나를 예측합니다. 분류에 이 모델 유형을 사용합니다. 예를 들어 소매업체의 경우 다중 클래스 분류 모델을 빌드하여 고객을 여러 페르소나로 구분할 수 있습니다.
회귀 모델은 연속된 값을 예측합니다. 예를 들어 소매업체의 경우 회귀 모델을 빌드하여 고객이 다음 달에 지출할 비용을 예측할 수 있습니다.
분류 또는 회귀 모델을 만들고 예측하는 워크플로
Vertex AI에서 분류 또는 회귀 모델을 만드는 프로세스는 다음과 같습니다.
| 단계 | 설명 |
|---|---|
| 1. 학습 데이터 준비 | 모델 학습을 위한 학습 데이터를 준비합니다. |
| 2. 데이터 세트 만들기 | 새 데이터 세트를 만들고 준비된 학습 데이터를 연결합니다. |
| 3. 모델 학습 | 데이터 세트를 사용하여 Vertex AI에서 분류 또는 회귀 모델을 학습시킵니다. |
| 4. 모델 평가하기 | 새로 학습된 모델의 예측 정확도를 평가합니다. |
| 5. 모델 아키텍처 보기 | 조정 시도의 초매개변수 로그와 최종 모델의 초매개변수 로그를 열람합니다. |
| 6. 모델에서 예측 수행 | 실시간 예측을 원하는 경우 모델을 배포하고 온라인 예측을 수행할 수 있습니다. 실시간 예측이 필요하지 않은 경우 모델에 직접 일괄 예측 요청을 수행할 수 있습니다. |