예측 인텔리전스에 대한 구성 팁

  • 릴리스 버전: Yokohama
  • 업데이트 날짜 2025년 01월 30일
  • 소요 시간: 4분

    • 솔루션 교육 및 솔루션 예측 중에 문제가 발생하면 제안된 해결 방법을 따르십시오.

    입력 데이터

    모델을 교육할 기록을 30,000개 이상 두는 것이 좋지만 모델의 정확도는 입력 데이터에 따라 결정됩니다.

    솔루션 교육에 사용되는 입력 데이터의 품질을 결정하는 세 가지 기본 요소가 있습니다.

    • 청결도: 삭제된 데이터는 노이즈를 줄여 모델의 정확도를 높입니다.
    • 품질: 정확한 예측을 수행하도록 모델을 교육하려면 입력 및 출력이 유효하고 정확해야 합니다.
    • 분포: 전체 데이터 세트를 전체적으로 나타내는 데이터는 보다 일반화된 예측을 할 수 있는 모델을 만듭니다.

    대부분의 원시 데이터 세트에는 더티하고 사용할 수 없는 데이터가 포함되어 있습니다. 교육 전에 입력 세트를 검토하는 것은 정확한 예측 모델을 유지하는 데 필수적입니다.

    입력 데이터의 약 80%를 사용하여 모델을 교육하고 데이터의 약 20%를 사용하여 모델이 정확한지 평가하는 것이 좋습니다. 모델의 예측 결과를 나머지 데이터의 20%에 대한 실제 값과 비교할 수 있습니다.

    솔루션 교육

    문제 해결 또는 제안된 작업
    스케줄러 작업이 잘못된 Glide 콜백 인스턴스 URL을 사용하고 있기 때문에 솔루션 교육이 너무 오랫동안 교육 대기 중 상태로 남아 있습니다. Glide 인스턴스의 속성이 올바른 인스턴스 URL로 설정되어 있는지 확인합니다 glide.servlet.uri . 이 문제는 다음과 같은 경우에 발생할 수 있습니다.
    • 인스턴스는 프로덕션에서 복제되지만 여전히 속성의 프로덕션 URL을 참조합니다 glide.servlet.uri .
    • Glide 인스턴스가 프로비저닝되고 처음으로 교육을 실행합니다.
    새 범주가 추가되었으며 아직 교육에 영향을 미치지 않습니다. 솔루션이 재교육될 때까지 새 범주에 아직 충분한 데이터가 없을 수 있으므로 이는 예상된 동작입니다.
    솔루션 교육이 실패합니다.

    교육이 실패하면 솔루션 화면에서 교육 진행 표시 관련 링크를 클릭하여 잠재적인 문제가 있는 위치를 확인합니다.
    사용자 인증으로 인해 솔루션 교육이 실패합니다. 시스템 보안> 사용자로 이동하여 sharedservice.worker 사용자가 활성으로 설정되어 있는지 확인합니다.
    모델 교육은 모델을 생성할 수 없다는 내용을 반환합니다. 교육이 실패하고 "솔루션 교육 중 오류" 메시지가 표시됩니다. 교육 진행률 창에 "사용된 데이터가 충분하지 않거나 입력 필드가 출력 필드를 예측하지 못하여 솔루션 교육에 실패했습니다."라는 메시지가 표시됩니다. 이 문제는 데이터 수량 또는 필드 값의 분포가 모델을 성공적으로 빌드하기에 충분하지 않을 때 발생할 수 있습니다. 다음 단계에 따라 문제를 해결하십시오.
    1. 출력 필드의 분포가 왜곡되지 않았는지 확인합니다.
    2. 더 많은 양의 데이터를 사용하도록 날짜 필터를 변경하여 모델을 다시 교육합니다.
    3. 입력 필드가 완전히 채워지지 않은 경우 필터를 추가하여 null 기록을 제거합니다.
    솔루션에는 여러 언어로 된 데이터가 있지만 범위와 정밀도 결과가 좋지 않습니다.

    다음 옵션을 사용하여 메트릭을 개선할 수 있습니다.

    옵션 1: 솔루션의 처리 언어를 영어가 아닌 가장 눈에 띄는 언어로 업데이트합니다.
    주:
    영어는 모든 데이터 세트에 기본적으로 적용됩니다.
    옵션 2: 각 언어/지역에 대한 데이터가 충분한 경우:
    1. 기본 언어를 식별할 수 있는 특정 언어/지역에 대한 필터 기준(네덜란드어, 영어, 프랑스어, 독일어, 일본어 또는 스페인어)을 추가합니다.
    2. 각 언어/지역에 대한 솔루션을 생성하고 각 솔루션에 적절한 처리 언어를 적용합니다.

    솔루션 예측

    문제 해결 또는 제안된 작업
    예측이 실패하고 원인을 알 수 없는 Java 예외를 반환합니다.
    1. Glide 로그에서 예측 인텔리전스 예외를 검색합니다.
    2. 예외, 영향을 받는 인스턴스, 솔루션 이름 및 입력 문자열과 같은 모든 관련 세부 정보를 포함하는 인시던트 기록 예측 인텔리전스 을 제출합니다.
    인시던트/케이스 기록에 적용된 예측은 없지만 REST API 탐색기에서 테스트할 때 예측이 값을 반환합니다. 이는 예측의 신뢰도가 예측을 수행하는 데 필요한 임계치보다 작을 때 발생할 수 있습니다. 솔루션 교육이 완료되면 다음 단계를 사용하여 솔루션 설정을 조정해야 하는지 확인합니다.
    1. REST > REST API 탐색기를 > 시스템 웹 서비스로 이동하여 예측에 대한 신뢰도를 찾습니다. 분류 솔루션 예측 테스트 문서를 참조하십시오.
    2. ML 솔루션 정의 기록에서 클래스 이름을 클릭하여 예측에 반환된 결과 클래스에 대해 설정된 임계치를 확인합니다. 클래스 페이지가 나타납니다.
    3. 예상 정밀도와 예상 범위 값을 확인합니다. 해당 임계치가 결과의 예측 신뢰도보다 큰 경우 이것이 예측을 볼 수 없는 근본 원인입니다.
    4. 클래스 정밀도와 범위 값을 조정하여 범위 또는 정밀도를 높입니다. 교육된 분류 솔루션 조정 문서를 참조하십시오.

    인스턴스 클론

    문제 해결 또는 제안된 작업
    인스턴스가 복제되면 기존 솔루션에 대한 예측은 실패합니다. [ml_artifacts] 테이블의 ML 솔루션 아티팩트는 [sys_attachment 테이블]에 저장됩니다. 실행할 때 [ml_artifacts] 테이블이 클론에 포함되지 않으면 예측이 실패합니다. 솔루션의 예측 인텔리전스 중요한 구성요소인 머신 러닝 아티팩트가 클론에 포함되어 있는지 확인합니다.
    인스턴스가 복제되면 솔루션 교육이 실패합니다. 복제 실행이 진행됨에 따라 sharedservice.worker 사용자가 비활성화되었거나, 잠겨 있거나, 사용자 ID가 설정되지 않았을 수 있습니다. 솔루션 교육이 성공할 수 있도록 이러한 문제를 해결합니다.