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.

# Amazon Machine Learning 프로세스
<a name="the-machine-learning-process"></a>

다음 표에서는 Amazon ML 콘솔을 사용하여 이 문서에 설명되어 있는 ML 프로세스를 수행하는 방법을 설명합니다.


****  

| ML 프로세스 | Amazon Ml 작업 | 
| --- | --- | 
| 데이터 분석 | Amazon ML에서 데이터를 분석하려면 데이터 소스를 만들고 데이터 인사이트 정보 페이지를 검토합니다. | 
| 데이터를 학습 및 평가 데이터로 분리 | Amazon ML은 데이터 소스를 분리하여 데이터의 70%는 모델 학습에 그리고 30%는 모델의 예측 성능 평가에 사용할 수 있습니다.<br />ML 모델 생성 마법사를 기본 설정 상태로 사용하면 Amazon ML이 자동으로 데이터를 분리합니다.<br />ML 모델 생성 마법사를 사용자 지정 설정 상태로 사용하고 ML 모델을 평가하도록 선택하면 Amazon ML에서 데이터를 분리하고 데이터의 30%에 대해 평가를 실행할 수 있는 옵션이 표시됩니다. | 
| 학습 데이터 셔플링 | ML 모델 생성 마법사를 기본 설정 상태로 사용하면 Amazon ML이 자동으로 데이터를 셔플링합니다. Amazon ML로 데이터를 가져오기 전에 데이터를 셔플링할 수도 있습니다. | 
| 프로세서 기능 | 학습 및 일반화를 위한 최적의 형식으로 학습 데이터를 모으는 프로세스를 특성 변환이라고 합니다. ML 모델 생성 마법사를 기본 설정 상태로 사용하면 Amazon ML이 데이터에 맞는 특성 처리 설정을 추천합니다.<br />특성 처리 설정을 지정하려면 ML 모델 생성 마법사의 **사용자 지정** 옵션을 사용하고 특성 처리 레시피를 제공합니다. | 
| 모델 학습 | ML 모델 생성 마법사를 사용하여 Amazon ML에서 모델을 생성하면 Amazon ML이 모델을 학습시킵니다. | 
| 모델 파라미터 선택 | Amazon ML에서는 모델의 예측 성능에 영향을 미치는 네 가지 파라미터, 즉 모델 크기, 전달 횟수, 셔플링 유형, 정규화를 조정할 수 있습니다. ML 모델 생성 마법사를 사용하여 ML 모델을 생성하고 **사용자 지정** 옵션을 선택하면 이들 파라미터를 설정할 수 있습니다. | 
| 모델 성능 평가 | 평가 생성 마법사를 사용하면 모델의 예측 성능을 평가할 수 있습니다. | 
| 특성 선택 | Amazon ML 학습 알고리즘은 학습 프로세스에 크게 기여하지 않는 특성을 삭제할 수 있습니다. 이러한 특성을 삭제하고 싶다는 것을 나타내려면 ML 모델을 생성할 때 `L1 regularization` 파라미터를 선택합니다. | 
| 예측 정확도에 대한 점수 임계값 설정 | 평가 보고서에서 다양한 점수 임계값에서 모델의 예측 성능을 검토한 다음 비즈니스 애플리케이션에 따라 점수 임계값을 설정합니다. 점수 임계값은 모델이 예측 일치를 정의하는 방법을 결정합니다. 숫자를 조정하여 거짓 긍정 및 거짓 부정을 제어할 수 있습니다. | 
| 모델 사용 | 모델을 사용하면 배치 예측 생성 마법사를 통해 한 묶음의 관측치에 대한 예측을 얻을 수 있습니다.<br />또는 ML 모델이 `Predict` API를 사용하여 실시간 예측을 처리하도록 지원하여 필요에 따라 개별 관측치에 대한 예측을 얻을 수 있습니다. |