더 이상 Amazon Machine Learning 서비스를 업데이트하거나 새 사용자를 받지 않습니다. 이 설명서는 기존 사용자에 제공되지만 더 이상 업데이트되지 않습니다. 자세한 내용은 [머신 러닝이란?](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) 단원을 참조하세요.
기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 배치 예측 생성
배치 예측을 생성하려면 머신 러닝(ML) 콘솔 또는 API를 사용하여 `BatchPrediction` 객체를 생성합니다. `BatchPrediction` 객체는 ML이 ML 모델 및 입력 관측치 세트를 사용하여 생성하는 예측 세트를 설명합니다. `BatchPrediction` 객체를 생성하면 ML이 예측을 계산하는 비동기 워크플로를 시작합니다.
배치 예측을 얻는 데 사용하는 데이터 소스와 예측을 위해 쿼리하는 ML 모델을 학습시키는 데 사용한 데이터 소스에 동일한 스키마를 사용해야 합니다. 한 가지 예외는 Amazon ML이 대상을 예측하기 때문에 배치 예측의 데이터 소스에 대상 속성을 포함시킬 필요가 없다는 것입니다. 대상 속성을 제공하는 경우 Amazon ML은 해당 값을 무시합니다.
## 배치 예측 생성(콘솔)
Amazon ML 콘솔을 사용하여 배치 예측을 생성하려면 배치 예측 생성 마법사를 사용합니다.
**배치 예측을 생성하려면(콘솔)**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/) Amazon Machine Learning 콘솔을 엽니다.
1. ML 대시보드의 **객체**에서 **새로 만들기...**를 선택한 다음 **배치 예측**을 선택합니다.
1. 배치 예측을 생성하는 데 사용할 Amazon ML 모델을 선택합니다.
1. 이 모델을 사용할 것인지 확인하려면 **계속**을 선택합니다.
1. 예측을 생성하려는 데이터 소스를 선택합니다. 대상 속성을 포함시킬 필요는 없지만 데이터 소스는 모델과 동일한 스키마를 가져야 합니다.
1. **계속**을 선택합니다.
1. **S3 목적지**에서 S3 버킷의 이름을 입력합니다.
1. **검토**를 선택합니다.
1. 설정을 검토한 후 **배치 예측 생성**을 선택합니다.
## 배치 예측 생성(API)
ML API를 사용하여 `BatchPrediction` 객체를 생성하려면 다음 파라미터를 제공해야 합니다.
**데이터 소스 ID**
예측하려는 관측치를 가리키는 데이터 소스의 ID입니다. 예를 들어 `s3://examplebucket/input.csv`이라는 파일의 데이터를 예측하려면 데이터 파일을 가리키는 데이터 소스 객체를 만든 다음 이 파라미터와 함께 해당 데이터 소스의 ID를 전달하면 됩니다.
**배치 예측 ID**
배치 예측에 할당할 ID입니다.
**ML 모델 ID**
Amazon ML이 예측을 위해 쿼리해야 하는 ML 모델의 ID입니다.
**출력 Uri**
예측 결과를 저장할 S3 버킷의 URI입니다. Amazon ML에 이 버킷에 데이터를 쓸 권한이 있어야 합니다.
`OutputUri` 파라미터는 다음 예와 같이 슬래시('/') 문자로 끝나는 S3 경로를 참조해야 합니다.
s3://examplebucket/examplepath/
S3 권한 구성에 대한 자세한 내용은 [Amazon S3에 예측을 출력할 수 있는 권한을 Amazon ML에 부여](granting-amazon-ml-permissions-to-output-predictions-to-amazon-s3.md) 단원을 참조하세요.
**(선택 사항) 배치 예측 이름**
(선택 사항) 배치 예측에 사용할 수 있는 이름입니다.