모델의 일반 설정 편집

모델의 유효성 검사 유형을 선택합니다. 다음 옵션 중 하나를 선택합니다.

• 교육/유효성 검사 비율은 CRM Analytics 데이터 집합의 관찰을 교육 집합과 유효성 검사 집합으로 임의로 분할합니다. 기본값은 교육 80%, 유효성 검사 20%이지만 필요에 따라 슬라이더를 조정해 이 비율을 변경할 수 있습니다.
• 유효성 검사 데이터 집합은 유효성 검사 데이터를 포함한 별도의 CRM Analytics 데이터 집합을 지정합니다. 모델의 데이터 집합 스키마와 일치하는 데이터 집합만 표시됩니다. 이상적으로라면 실제 조건을 반영하는 다양한 관찰 집합이 포함된 데이터 집합을 선택합니다. 모델의 정확도를 비교하고 싶다면 동일한 유효성 검사 데이터 집합을 선택하여 평가에 대해 공통의 선입견 없는 기준을 제공합니다.
• 없음(기본값)은 K-fold 유효성 검사만 사용합니다.

Einstein Discovery가 모델을 생성하는 데 사용하는 다양한 알고리즘을 선택할 수 있습니다.

• GLM: 기본값입니다. 일반화 선형 모델은 회귀 기반 알고리즘입니다.
• GBM: 그래디언트 부스트 머신은 결정 트리 기반 앙상블 기계 학습 알고리즘입니다.
• XGBoost: 결정 트리 기반 앙상블 기계 학습 알고리즘입니다.
• 랜덤 예측: 여러 결정 트리, 임의 추출, 기타 최적화 기법을 사용하는 자율 학습 알고리즘입니다.

또는 모델 토너먼트를 선택해 Einstein Discovery가 4개의 알고리즘을 모두 실행한 다음, 가장 성능이 뛰어난 알고리즘의 결과를 표시하게 합니다.