분류 솔루션 생성 및 교육

분류 솔루션을 교육하는 데 사용되는 기록, 예측을 트리거하는 필드, 솔루션을 다시 교육하려는 빈도를 지정합니다.

시작하기 전에

• 사용자 지정 스톱 워드 목록 만들기 필요한 경우.
• 필요한 역할: admin 또는 ml_admin

이 태스크 정보

예측 모델은 학습에 사용하는 데이터에 따라 달라집니다. 학습에 적합한 기록을 선택하려면 테이블의 데이터베이스 딕셔너리와 사용하려는 기록 값의 현재 품질을 검사합니다.

암호화된 학습 데이터 사용에 대한 자세한 내용은 을 참조하십시오 예측 인텔리전스의 데이터 암호화.

교육에 사용할 수 있는 최소 및 최대 기록 수에 대한 자세한 내용은 을 참조하십시오 예측 인텔리전스 속성.

주:

교육 데이터 세트에 기록이 30개 미만인 클래스는 솔루션 교육에서 제외됩니다. 솔루션이 학습되고 완료되면 제외된 클래스가 ML 솔루션 양식의 솔루션 통계 섹션에 나열됩니다.

지원하려는 각 예측 모델에 대해 별도의 솔루션 정의를 만들어야 합니다. 다음 절차에서는 새 분류 솔루션을 생성하는 방법을 설명하지만, 컨텍스트 메뉴에서 솔루션 정의 복사 를 선택하여 기존 솔루션 정의와 해당 구성을 새 기록에 복사할 수도 있습니다. 필요에 따라 새 기록의 필드 값을 편집합니다.

프로시저

1. 솔루션 정의에 대해 원하는 애플리케이션 범위에 있는지 확인한 후 모두 > 예측 인텔리전스 > 분류 > 솔루션 정의.
2. 분류 정의 목록에서 새로 만들기를 선택합니다.
3. 빈 분류 정의 양식에서 다음 지침에 따라 필드를 구성합니다.

   필드	값
   레이블	솔루션 기록의 고유한 이름을 입력합니다.
   이름	시스템은 사용자가 입력한 레이블 값에 따라 이 읽기 전용 필드의 값을 생성합니다.
   Word 말뭉치	솔루션과 관련된 단어 뭉치를 선택합니다. 자세한 내용은 단어 말뭉치 만들기 문서를 참조하십시오. 주: 단어 말뭉치는 에서 처음 Utah구현하는 예측 인텔리전스 고객에게는 필수 필드가 아닙니다. 대신 미리 학습된 모델이 사용됩니다. 사전 학습된 모델의 경우 단어 말뭉치 필드가 제거됩니다.
   테이블	시스템에서 예측할 대상 기록이 포함된 테이블을 선택합니다.
   출력 필드	예측 모델을 설정할 값이 있는 필드를 선택합니다. 일반적으로 좋은 출력 필드에는 이러한 특성이 있습니다. 선택 필드 또는 유한한 값 집합이 있는 문자열 필드입니다. 입력 필드와 인과 관계가 있습니다. 예를 들어 기본 인시던트 범주화 솔루션 정의에서 출력 필드는 범주로 설정됩니다.
   필드	솔루션에서 예측을 생성하는 데 사용할 입력 필드를 선택합니다. 입력 필드는 예측 솔루션이 성공하는 데 필요한 분류 정보를 포함할 수 있는 기록 내의 필드입니다. 예를 들어 인시던트 기록을 분류하기 위한 올바른 클래스를 예측하는 경우 예측은 클래스를 참조하는 텍스트가 포함된 기록을 수집해야 합니다. 대부분의 기록에는 간단한 설명 필드에 컨텍스트 텍스트가 있으므로 일반적으로 사용하기에 좋은 입력 필드입니다. 해결 메모를 입력 필드로 사용할 수도 있습니다. 인시던트에 대한 세부 메모에서 인시던트 클래스를 참조할 수도 있습니다. 일반적으로 좋은 입력 필드에는 이러한 특성이 있습니다. 사용자는 기록을 만들 때 이 필드를 사용할 수 있습니다. 필드 데이터 유형은 문자열, 참조, 선택 또는 HTML일 수 있습니다. 필드에서 제공하는 정보가 많을수록 솔루션이 더 자주 예측할 수 있고 더 자주 예측이 정확해집니다. 필드에는 기본값이 있으며 비워둘 수 없습니다. 모든 기본 솔루션 정의는 간단한 설명 필드를 사용합니다.
   필터	Add Filter Condition(필터 조건 추가)을 클릭하여 훈련 중인 레코드에 조건을 적용합니다. 예를 들어 인시던트 분류 솔루션 정의는 [Created][on][Last 12 months] AND [Active][is][false] AND [State][is one of][Resolved | 휴관일] 솔루션을 교육하려면 필터가 하나 이상의 레코드를 반환해야 합니다. 필터가 레코드를 반환하지 않으면 교육용 레코드를 반환할 때까지 업데이트합니다. 주: 좋은 솔루션을 학습시키기 위해 권장되는 레코드 수는 30,000개에서 300,000개 사이입니다. 300,000개가 넘는 레코드를 제출하면 가장 최근 레코드 300,000개가 솔루션을 교육하는 데 사용됩니다 데이터베이스에서 인증된 레코드만 사용하십시오. 일반적으로 좋은 필터에는 이러한 특성이 있습니다. 교육 레코드가 비활성 상태이며 해당 상태는 해결됨 또는 종결됨과 같이 표준 프로세스 내에서 완료된 작업을 나타냅니다. 대상 필드에는 올바른 값만 포함됩니다. 신뢰할 수 없는 대상 필드 값이 있는 기록을 필터링합니다. 예를 들어, 할당 그룹/범주를 예측하는 경우 이력 인시던트 데이터에 더 이상 사용되지 않는 할당 그룹/범주가 포함되어 있으면 필터를 추가하여 교육에서 해당 기록을 제거합니다. 교육 기록에는 솔루션이 예측하도록 할 각 대상 필드 값의 예가 여러 개 포함되어 있습니다. 교육 기록에는 입력 필드의 일반적인 변형이 포함되어 있습니다. 지난 3개월 또는 지난 12개월과 같은 상대 날짜 필터를 사용합니다. 하드 코딩된 날짜를 사용하지 마십시오. 이러한 필터는 솔루션을 다시 교육할 때 수동으로 업데이트하지 않는 한 업데이트되지 않기 때문입니다.
   처리 언어	솔루션 정의에서 학습할 데이터 세트의 지배적 언어를 선택합니다. 데이터 세트 언어가 이탈리아어인 경우 이탈리아어를 선택합니다. 또한 기본적으로 모든 데이터 세트에 영어 처리가 적용됩니다. 예를 들어, 이탈리아어를 선택하면 시스템이 데이터를 영어와 이탈리아어로 처리합니다. 주: 처리 중이라는 용어는 솔루션 교육의 일부로 사용되는 언어별 단계를 나타냅니다. 예를 들면 단어 토큰화, 스톱 워드 제거, 어간 추출 등입니다.
   스톱 워드	처리 언어를 선택하면 시스템이 해당 언어에 대한 스톱 워드 목록을 자동으로 추가합니다. 예를 들어, 처리 언어가 이탈리아어인 경우 기본 이탈리아어 스톱 워드 목록이 나타납니다. 기본 영어 스톱 워드 목록도 포함되어 있습니다. 사용자 지정 중지 단어 목록을 만드는 경우 중지 단어 필드에서 해당 목록을 선택하여 솔루션에 추가할 수 있습니다.
   교육 빈도	시스템에서 솔루션을 재생성하는 빈도를 선택합니다. 사용 가능한 옵션은 한 번 실행 에서 최대 180일 마다까지 다양합니다. 주: 분류 솔루션 교육에 필요한 최소 기록 수는 10,000개로 설정됩니다. 기본적으로 시스템에서 교육을 한 번 실행합니다. 이렇게 하면 허용 가능한 범위와 정밀도 값을 제공할 때까지 솔루션 정의를 검토하고 업데이트할 시간이 제공됩니다. 솔루션 정의가 상당히 안정적이면 시간이 지남에 따라 데이터가 노화되어 예측 모델의 정확도가 저하될 수 있으므로 예약된 교육을 고려하십시오. 주: ML 스케줄러는 인스턴스가 커밋할 수 있는 교육 수를 24시간 내에 인스턴스당 50개의 새로운 ML 교육 요청으로 제한합니다. 새 교육 요청이 24시간 내에 50개를 초과하는 경우에도 예약된 재교육 요청, 클러스터링 업데이트 및 유사성 업데이트는 이 제한에서 제외됩니다.

4. 솔루션 정의에 대한 적절한 컨텍스트 메뉴 옵션 또는 버튼을 클릭합니다.

   옵션	설명
   저장 또는 저장 및 교육	솔루션 정의 기록을 저장하여 나중에 반환하거나 교육을 위해 저장하고 제출할 수 있습니다.
   제출 또는 제출 및 교육	솔루션 정의 기록을 만들고 제출하거나 제출하고 교육합니다.

5. 교육용 솔루션을 제출한 경우에는 교육 활성화 창에서 확인을 클릭하여 확인합니다.
   • 가장 가까운 교육 서비스를 사용하여 솔루션 교육이 예약됩니다. 교육이 완료되면 시스템에서 알림을 전송하며, 이 알림에는 교육에서 발생했을 수 있는 모든 오류가 포함됩니다. 다른 사용자는 알림 범주를 예측 인텔리전스 구독할 수 있습니다. 교육이 완료되면 시스템에서 솔루션을 첨부 레코드로 업로드합니다.
   • 거품형 차트는 솔루션 양식의 솔루션 시각화 탭을 채워 솔루션에서 다루는 각 클래스의 예상 정밀도와 범위를 보여줍니다. 거품 크기는 해당 클래스에 속한 기록의 백분율(분포)을 나타냅니다. 거품을 가리키면 예상 범위, 예상 정확도 및 분포를 볼 수 있습니다.

   

다음에 수행할 작업

솔루션의 Solution Statistics(솔루션 통계) 탭에 있는 Class Confidence(클래스 신뢰도) 섹션에서 학습된 솔루션 정밀도 및 범위 통계량을 검토합니다.

솔루션의 테스트 솔루션 탭에서 간단한 설명과 같은 입력 필드의 값을 입력하여 예측 출력을 테스트할 수 있습니다.