이 태스크에 대한 정보

성능 메트릭을 탐색하면 모델의 정확도를 개선할 방법을 식별할 수 있습니다.

제한사항: 3개의 기계 학습 모델만 Knowledge Studio 인스턴스당 한 번에 훈련시킬 수 있습니다. 인스턴스가 여러 작업공간을 포함하며 다른 작업공간에서 훈련 중인 기계 학습 모델의 총 갯수가 이미 3개인 경우에는 다른 훈련 프로세스가 완료될 때까지 작업공간의 기계 학습 모델 훈련 요청이 큐에 지정됩니다.

프로시저

기계 학습 모델을 작성하려면 다음 작업을 수행하십시오.

1. Knowledge Studio 관리자로 로그인하여 작업공간을 선택하십시오.

2. 기계 학습 모델 > 성능을 선택하십시오.

3. 모든 문서 세트가 승인되었으며 모든 어노테이션 충돌이 판정을 통해 해결되었는지 확인하십시오. 판정 또는 승인을 통해 기준 실제값이 된 문서만 모델을 훈련시키는 데 사용할 수 있습니다.

4. 훈련 및 평가를 클릭하십시오.

5. 선택사항: 문서 세트의 문서가 시스템 레벨 훈련, 테스트 또는 블라인드 세트로 사용되도록 할당되는 방식을 지정하려면 설정 편집을 클릭하십시오.

   적용할 비율에 대한 자세한 정보는 문서 세트 관리를 참조하십시오.

6. 모델을 교육하려면 훈련을 클릭하고, 모델을 훈련하고, 기계 학습 모델에서 추가한 어노테이션을 평가하고, 성능 통계를 분석하려면 교육 및 평가를 클릭하십시오.

   기계 학습 모델의 훈련에는 사람이 작성한 어노테이션의 수와 모든 문서의 총 단어 수에 따라 몇 분에서 몇 시간이 소요될 수 있습니다.

7. 모델 훈련에 사용할 문서 세트를 선택하십시오.

   문서 세트에는 10개 이상의 어노테이션이 있는 문서가 포함되어야 합니다.

8. 모델이 작성되면 다음 조치 중 하나를 선택하십시오.

프로시저

모델이 추가한 어노테이션을 평가하려면 다음 작업을 수행하십시오.

1. 기계 학습 모델 > 성능 > 훈련 및 평가를 선택하십시오. 훈련/테스트/블라인드 세트 페이지가 표시됩니다.
2. 훈련 세트 또는 테스트 세트에 대해 기준 실제값 보기를 클릭하여 어노테이션 미리 작성을 통해 추가되거나 사람 어노테이터가 추가한 어노테이션을 보십시오. 기준 실제값 편집기가 열립니다. 개별 문서를 클릭하여 열고 멘션, 관계 및 상호 참조 멘션이 어떻게 어노테이션 작성되었는지 보십시오.
3. 성능 페이지에서 디코딩 결과 보기를 클릭하여 기계 학습 모델이 테스트 세트의 문서에 추가한 어노테이션을 보십시오. 이 단추는 모델을 평가한 후에만 사용 가능합니다. 결과를 보면 기계 학습 모델이 테스트 데이터에 멘션, 관계 및 상호 참조 멘션을 얼마나 잘 레이블 지정했는지 볼 수 있습니다.
4. 훈련, 테스트 및 블라인드 데이터 세트 간에 문서가 분할되는 방식을 변경하려면 성능 > 훈련 및 평가 > 설정 편집을 클릭하십시오. 예를 들어, 초기 결과가 만족스러운 경우에는 테스트 세트의 문서 수를 늘려 기계 학습 모델의 결과를 추가로 테스트하려 할 수 있습니다. 사용자는 여러 용도로 문서가 자동으로 분할되는 비율을 변경하거나, 특정 문서 세트를 훈련 데이터, 테스트 데이터 또는 블라인드 데이터로 사용하도록 선택할 수 있습니다.
5. 변경사항을 작성한 경우, 교육 및 평가를 클릭하여 모델을 다시 교육하고 어노테이션을 다시 평가하십시오.