기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 모델 빌드
다음 섹션에서는 사용자 지정 모델의 주요 유형 각각에 대한 모델을 구축하는 방법을 보여줍니다.
+ 수치 예측, 2개 범주 예측 또는 3개 이상의 범주 예측 모델을 구축하려면 [사용자 지정 수치형 또는 범주형 예측 모델 구축](#canvas-build-model-numeric-categorical)을 참조하세요.
+ 단일 레이블 이미지 예측 모델을 구축하려면 [사용자 지정 이미지 예측 모델 구축](#canvas-build-model-image)을 참조하세요.
+ 다중 카테고리 텍스트 예측 모델을 구축하려면 [사용자 지정 텍스트 예측 모델 구축](#canvas-build-model-text)을 참조하세요.
+ 시계열 예측 모델을 빌드하려면 [시계열 예측 모델 빌드](#canvas-build-model-forecasting) 섹션을 참조하세요.
**참고**
구축 후 분석 중에 `ml.m5.2xlarge`인스턴스 할당량을 늘리라는 오류가 발생하는 경우 [할당량 증가 요청](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-requesting-quota-increases.html)을 참조하세요.
## 사용자 지정 수치형 또는 범주형 예측 모델 구축
수치형 및 범주형 예측 모델은 **빠른 빌드**와 **표준 빌드**를 모두 지원합니다.
수치형 또는 범주형 예측 모델을 구축하려면 다음 절차를 사용하세요.
1. SageMaker Canvas 애플리케이션을 엽니다.
1. 왼쪽 탐색 창에서 **내 모델**을 선택합니다.
1. **새 모델**을 선택합니다.
1. **새 모델 생성** 대화 상자에서 다음 작업을 수행하세요.
1. **모델 이름** 필드에 이름을 입력합니다.
1. **예측 분석** 문제 유형을 선택합니다.
1. **생성(Create)**을 선택합니다.
1. **데이터 세트 선택**의 경우 데이터 세트 목록에서 데이터 세트를 선택합니다. 데이터를 아직 가져오지 않은 경우 **가져오기**를 선택하면 데이터 가져오기 워크플로를 통해 안내를 받을 수 있습니다.
1. 모델 구축을 시작할 준비가 되면 **데이터 세트 선택**을 선택합니다.
1. **빌드** 탭의 **대상 열** 드롭다운 목록에서 예측하려는 모델의 대상을 선택합니다.
1. **모델 유형**의 경우 Canvas가 자동으로 문제 유형을 감지합니다. 유형을 변경하거나 고급 모델 설정을 구성하려면 **모델 구성**을 선택합니다.
**모델 구성** 대화 상자가 열리면 다음을 수행합니다.
1. **모델 유형**에서 빌드하려는 모델 유형을 선택합니다.
1. 모델 유형을 선택하면 추가 **고급 설정**이 있습니다. 각 고급 설정에 대한 자세한 내용은 [고급 모델 빌드 구성](canvas-advanced-settings.md) 섹션을 참조하세요. 고급 설정을 구성하려면 다음을 수행합니다.
1. (선택 사항) **목표 지표** 드롭다운 메뉴에서 모델을 구축하는 동안 Canvas에서 최적화하려는 지표를 선택합니다. 지표를 선택하지 않으면 Canvas는 기본적으로 하나를 선택합니다. 사용 가능한 지표에 대한 자세한 설명은 [지표 참조](canvas-metrics.md) 섹션을 참조하세요.
1. **훈련 방법**에서 **자동**, **앙상블** 또는 **하이퍼파라미터 최적화(HPO) 모드**를 선택합니다.
1. **알고리즘**에서 모델 후보를 빌드하는 데 포함할 알고리즘을 선택합니다.
1. **데이터 분할**에서 **훈련 세트**와 **검증 세트** 간에 데이터를 분할하는 데 사용할 값을 백분율로 지정합니다. 훈련 세트는 모델을 빌드하는 데 사용되는 반면 검증 세트는 모델 후보의 정확도를 테스트하는 데 사용됩니다.
1. **최대 후보 및 런타임**의 경우 다음을 수행합니다.
1. **최대 후보** 값, 즉 Canvas가 생성할 수 있는 모델 후보의 최대 개수를 설정합니다. **최대 후보**는 HPO 모드에서만 사용할 수 있습니다.
1. **최대 작업 런타임**, 즉 Canvas가 모델을 빌드하는 데 사용할 수 있는 기간을 나타내는 시간 및 분 값을 설정합니다. 최대 시간이 지나면 Canvas는 빌드를 중지하고 최상의 모델 후보를 선택합니다.
1. 고급 설정을 구성한 후 **저장**을 선택합니다.
1. 데이터에서 열을 선택하거나 선택 취소하여 빌드에 포함하거나 삭제할 수 있습니다.
**참고**
모델을 빌드한 후 모델을 사용하여 배치 예측을 수행하면 Canvas에서 누락된 열을 예측 결과에 추가합니다. 하지만 Canvas는 시계열 모델의 배치 예측에 삭제된 열을 추가하지 않습니다.
1. (선택 사항) Canvas에서 제공하는 시각화 및 분석 도구를 사용하여 데이터를 시각화하고 모델에 포함할 기능을 결정하세요. 자세한 내용은 [데이터 탐색 및 분석](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-explore-data.html)을 참조하세요.
1. (선택 사항) 데이터 변환을 사용하여 모델 구축을 위해 데이터를 정리, 변환 및 준비할 수 있습니다. 자세한 내용은 [고급 변환으로 데이터 준비](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-prepare-data.html)를 참조하세요. **모델 레시피**를 선택하고 **모델 레시피** 사이드 패널을 열어 변환을 보고 제거할 수 있습니다.
1. (선택사항) 모델의 정확도 미리 보기, 데이터 세트 검증, Canvas가 데이터 세트에서 가져오는 무작위 샘플의 크기 변경과 같은 추가 기능은 [모델 미리 보기](canvas-preview-model.md)을 참조하세요.
1. 데이터를 검토하고 데이터 세트를 변경한 후 **빠른 빌드** 또는 **표준 빌드**를 선택하여 모델 빌드를 시작하세요. 다음 스크린샷은 **빌드** 페이지와 **빠른 빌드** 및 **표준 빌드** 옵션을 보여줍니다.
모델 빌드가 시작된 후에는 페이지에서 나가도 됩니다. 모델이 **내 모델** 페이지에 **준비**로 표시되면 분석 및 예측을 수행할 준비가 된 것입니다.
## 사용자 지정 이미지 예측 모델 구축
단일 레이블 이미지 예측 모델은 **빠른 빌드**와 **표준 빌드**를 모두 지원합니다.
단일 레이블 이미지 예측 모델을 빌드하려면 다음 절차를 사용하세요.
1. SageMaker Canvas 애플리케이션을 엽니다.
1. 왼쪽 탐색 창에서 **내 모델**을 선택합니다.
1. **새 모델**을 선택합니다.
1. **새 모델 생성** 대화 상자에서 다음 작업을 수행하세요.
1. **모델 이름** 필드에 이름을 입력합니다.
1. **이미지 분석** 문제 유형을 선택합니다.
1. **생성(Create)**을 선택합니다.
1. **데이터 세트 선택**의 경우 데이터 세트 목록에서 데이터 세트를 선택합니다. 데이터를 아직 가져오지 않은 경우 **가져오기**를 선택하면 데이터 가져오기 워크플로를 통해 안내를 받을 수 있습니다.
1. 모델 구축을 시작할 준비가 되면 **데이터 세트 선택**을 선택합니다.
1. **빌드** 탭에서 데이터세트의 이미지에 대한 **레이블 분포**를 확인할 수 있습니다. **모델 유형**은 **단일 레이블 이미지 예측**으로 설정되어 있습니다.
1. 이 페이지에서 이미지를 미리 보고 데이터세트를 편집할 수 있습니다. 레이블이 지정되지 않은 이미지가 있는 경우 **데이터세트 편집** 및 [레이블이 지정되지 않은 이미지에 레이블 지정](canvas-edit-image.md#canvas-edit-image-assign)을 선택하세요. 또한 [이미지 데이터세트 편집](canvas-edit-image.md)할 때 레이블 이름을 바꾸고 데이터세트에 이미지를 추가하는 등의 다른 작업을 수행할 수도 있습니다.
1. 데이터를 검토하고 데이터 세트를 변경한 후 **빠른 빌드** 또는 **표준 빌드**를 선택하여 모델에 대한 빌드를 시작합니다. 다음 스크린샷은 빌드 준비가 완료된 이미지 예측 모델의 **빌드** 페이지를 보여줍니다.
모델 빌드가 시작된 후에는 페이지에서 나가도 됩니다. 모델이 **내 모델** 페이지에 **준비**로 표시되면 분석 및 예측을 수행할 준비가 된 것입니다.
## 사용자 지정 텍스트 예측 모델 구축
다중 카테고리 텍스트 예측 모델은 **빠른 빌드**와 **표준 빌드**를 모두 지원합니다.
텍스트 예측 모델을 빌드하려면 다음 절차를 사용하세요.
1. SageMaker Canvas 애플리케이션을 엽니다.
1. 왼쪽 탐색 창에서 **내 모델**을 선택합니다.
1. **새 모델**을 선택합니다.
1. **새 모델 생성** 대화 상자에서 다음 작업을 수행하세요.
1. **모델 이름** 필드에 이름을 입력합니다.
1. **텍스트 분석** 문제 유형을 선택합니다.
1. **생성(Create)**을 선택합니다.
1. **데이터 세트 선택**의 경우 데이터 세트 목록에서 데이터 세트를 선택합니다. 데이터를 아직 가져오지 않은 경우 **가져오기**를 선택하면 데이터 가져오기 워크플로를 통해 안내를 받을 수 있습니다.
1. 모델 구축을 시작할 준비가 되면 **데이터 세트 선택**을 선택합니다.
1. **빌드** 탭의 **대상 열** 드롭다운 목록에서 예측하려는 모델의 대상을 선택합니다. 대상 열에는 바이너리 또는 범주형 데이터 유형이 있어야 하며 대상 열의 각 고유 레이블에 대해 최소 25개의 항목(또는 데이터 행)이 있어야 합니다.
1. **모델 유형**의 경우 모델 유형이 **다중 카테고리 텍스트 예측**으로 자동 설정되는지 확인하세요.
1. 훈련 열의 경우 텍스트 데이터의 소스 열을 선택합니다. 이는 분석할 텍스트가 포함된 열이어야 합니다.
1. **빠른 빌드** 또는 **표준 빌드**를 선택하여 모델 빌드를 시작합니다. 다음 스크린샷은 바로 빌드할 수 있는 텍스트 예측 모델의 **빌드** 페이지를 보여줍니다.
모델 빌드가 시작된 후에는 페이지에서 나가도 됩니다. 모델이 **내 모델** 페이지에 **준비**로 표시되면 분석 및 예측을 수행할 준비가 된 것입니다.
## 시계열 예측 모델 빌드
시계열 예측 모델은 **빠른 빌드**와 **표준 빌드**를 모두 지원합니다.
시계열 예측 모델을 빌드하려면 다음 절차를 따릅니다.
1. SageMaker Canvas 애플리케이션을 엽니다.
1. 왼쪽 탐색 창에서 **내 모델**을 선택합니다.
1. **새 모델**을 선택합니다.
1. **새 모델 생성** 대화 상자에서 다음 작업을 수행하세요.
1. **모델 이름** 필드에 이름을 입력합니다.
1. **시계열 예측** 문제 유형을 선택합니다.
1. **생성(Create)**을 선택합니다.
1. **데이터 세트 선택**의 경우 데이터 세트 목록에서 데이터 세트를 선택합니다. 데이터를 아직 가져오지 않은 경우 **가져오기**를 선택하면 데이터 가져오기 워크플로를 통해 안내를 받을 수 있습니다.
1. 모델 구축을 시작할 준비가 되면 **데이터 세트 선택**을 선택합니다.
1. **빌드** 탭의 **대상 열** 드롭다운 목록에서 예측하려는 모델의 대상을 선택합니다.
1. **모델 유형** 섹션에서 **모델 구성**을 선택합니다.
1. **모델 구성** 상자가 열립니다. **시계열 구성** 섹션에서 다음 필드를 작성합니다.
1. **항목 ID 열**에서 데이터세트에서 각 행을 고유하게 식별하는 열을 선택합니다. 열의 데이터 유형은 `Text`여야 합니다.
1. (선택 사항) **그룹 열**에서 예측 값을 그룹화하는 데 사용할 범주형 열(데이터 유형 `Text`)을 하나 이상 선택합니다.
1. **타임스탬프 열**에서 타임스탬프가 있는 열(날짜/시간 형식)을 선택합니다. 허용되는 날짜/시간 형식에 대한 자세한 내용은 [Amazon SageMaker Canvas의 시계열 예측](canvas-time-series.md) 섹션을 참조하세요.
1. **예측 기간** 필드에 값을 예측할 기간을 입력합니다. Canvas는 데이터의 시간 단위를 자동으로 감지합니다.
1. (선택 사항) **휴일 일정 사용** 토글을 켜서 다양한 국가에서 휴일 일정을 선택하고 휴일 데이터를 사용한 예측을 더 정확하게 만듭니다.
1. **모델 구성** 상자에는 **고급** 섹션에 추가 설정이 있습니다. 각 고급 설정에 대한 자세한 내용은 [고급 모델 빌드 구성](canvas-advanced-settings.md) 섹션을 참조하세요. **고급** 설정을 구성하려면 다음을 수행합니다.
1. **목표 지표** 드롭다운 메뉴에서 모델을 빌드하는 동안 Canvas에서 최적화하려는 지표를 선택합니다. 지표를 선택하지 않으면 Canvas는 기본적으로 하나를 선택합니다. 사용 가능한 지표에 대한 자세한 설명은 [지표 참조](canvas-metrics.md) 섹션을 참조하세요.
1. 표준 빌드를 실행하는 경우 **알고리즘** 섹션이 표시됩니다. 이 섹션에서는 모델 빌드에 사용할 시계열 예측 알고리즘을 선택합니다. 사용 가능한 알고리즘의 하위 집합을 선택하거나 어떤 알고리즘을 시도할지 확실하지 않은 경우 모든 알고리즘을 선택할 수 있습니다.
표준 빌드를 실행할 때 Canvas는 예측 정확도를 최적화하기 위해 모든 알고리즘을 결합하는 앙상블 모델을 빌드합니다.
**참고**
빠른 빌드를 실행하는 경우 Canvas는 단일 트리 기반 학습 알고리즘을 사용하여 모델을 훈련하므로 알고리즘을 선택할 필요가 없습니다.
1. **예측 분위수**의 경우 최대 5개의 쉼표로 구분된 분위수 값을 입력하여 예측의 상한과 하한을 지정합니다.
1. **고급** 설정을 구성한 후 **저장**을 선택합니다.
1. 데이터에서 열을 선택하거나 선택 취소하여 빌드에 포함하거나 삭제할 수 있습니다.
**참고**
모델을 빌드한 후 모델을 사용하여 배치 예측을 수행하면 Canvas에서 누락된 열을 예측 결과에 추가합니다. 하지만 Canvas는 시계열 모델의 배치 예측에 삭제된 열을 추가하지 않습니다.
1. (선택 사항) Canvas에서 제공하는 시각화 및 분석 도구를 사용하여 데이터를 시각화하고 모델에 포함할 기능을 결정하세요. 자세한 내용은 [데이터 탐색 및 분석](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-explore-data.html)을 참조하세요.
1. (선택 사항) 데이터 변환을 사용하여 모델 구축을 위해 데이터를 정리, 변환 및 준비할 수 있습니다. 자세한 내용은 [고급 변환으로 데이터 준비](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-prepare-data.html)를 참조하세요. **모델 레시피**를 선택하고 **모델 레시피** 사이드 패널을 열어 변환을 보고 제거할 수 있습니다.
1. (선택사항) 모델의 정확도 미리 보기, 데이터 세트 검증, Canvas가 데이터 세트에서 가져오는 무작위 샘플의 크기 변경과 같은 추가 기능은 [모델 미리 보기](canvas-preview-model.md)을 참조하세요.
1. 데이터를 검토하고 데이터 세트를 변경한 후 **빠른 빌드** 또는 **표준 빌드**를 선택하여 모델 빌드를 시작하세요.
모델 빌드가 시작된 후에는 페이지에서 나가도 됩니다. 모델이 **내 모델** 페이지에 **준비**로 표시되면 분석 및 예측을 수행할 준비가 된 것입니다.