사용자 정의 트랜스포머 사용

Driverless AI는 Driverless AI 변환 에 설명된 것처럼 다양한 기능의 트랜스포머를 지원합니다. 해당 예제에서는 실험에 사용자 지정 트랜스포머를 포함하는 방법을 보여줍니다. 특히 해당 예제에서는 ExpandingMean 트랜스포머의 추가 방법을 보여줍니다.

  1. 검증(선택 사항) 및 테스트 데이터 세트와 함께 학습 데이터 세트를 선택한 후, 대상 열을 지정하고 Driverless AI에서 실험을 시작하십시오. 실험 요약의 Feature engineering search space (where applicable) 섹션에서 사용될 트랜스포머 목록을 확인하십시오. Driverless AI는 데이터 세트 및 실험을 기반으로 해당 목록을 결정합니다.

  2. Expert Settings 를 클릭하십시오.

  3. 다음 방법 중 하나를 사용하여 사용자 정의 레시피를 지정하십시오.

  • 로컬 머신에서 driverlessai-recipes repository 를 복제한 후 Upload Custom Recipe 버튼을 이용하여 driverlessai-recipes/transformers/targetencoding/ExpandingMean.py 파일을 업로드하십시오.

  • Load Custom Recipe from URL 버튼을 클릭한 후, Python 파일에 대한 URL을 입력하십시오(해당 파일의 HTML 및 원시 버전 모두 지원됩니다).

Note: Official Recipes (Open Source) 버튼을 클릭하여 driverlessai-recipes 리포지터리를 찾아보십시오.

Driverless AI가 새로운 사용자 정의 레시피를 업로드하고 확인을 시작합니다.

  1. Expert Settings > Recipes 탭으로 이동하고 Include Specific Transformers 버튼을 클릭하십시오. 새로운 ExpandingMean 트랜스포머(페이지 하단)를 포함하여 모든 transformer가 기본적으로 선택되어 있습니다.

  2. 실험에 포함할 트랜스포머를 선택하십시오. Check All/Uncheck All 버튼을 이용하여 모든 트랜스포머를 한 번에 빠르게 추가하거나 제거합니다. 이 예제에서는 OriginalTransformer 및 ExpandingMean을 제외한 모든 트랜스포머를 제거합니다.

Note: 모든 트랜스포머를 선택 취소하여 아무것도 선택하지 않으면 Driverless AI는 이것을 무시하고 해당 실험에 기본 트랜스포머 목록을 사용합니다. 이 트랜스포머 목록은 실험마다 달라집니다.

  1. 추가 실험 설정을 수정한 후, Launch Experiment 을 클릭하십시오. 실험은 사용자 정의 ExpandingMean 트랜스포머를 사용하여 실행됩니다.

Transformer