日本語에서 번역 • 원문 보기 안녕하세요, IT 솔루션 부서의 마유코입니다.
지난주에 여름 방학을 이용해 친구들과 함께 오키나와에 갔어요!
결국 오키나와의 바다는 정말 아름다웠으니까! ! 정말 나를 치유해 ('-ω-') (주변에 커플만 있었어...)
GO☆ "마유짱, 돌아온 걸 환영해, 린코! 마유코: "물론이지! (^^)/
ＧＯ☆「フーテンの？」 まゆこ「寅さんじゃないです」（似てますけど(｀3´)） まゆこ「ブログはちゃんと沖縄でチェックしてましたよ！ [eos]それにググって新しい例題見つけたんです！」
↓ 여기에 여러 예시가 적혀 있습니다. https://cloud.google.com/prediction/docs/developer-guide
지난번에는 GO☆가 체중을 기준으로 키를 예측했지만, 이 페이지의 예시 제목 "Structuring the Training Data"도 키를 예측합니다.
하지만 분석해야 할 데이터(열)는 여러 종류가 있습니다. 생각해보면, 분석할 데이터(열)는 언어든 키든 단 하나의 유형뿐이었습니다. 언어 추측에는 오직 "문장"만 사용되었고, 키 추측에는 "가중치"만 사용되었습니다.
하지만 이 키 추측은 "성별", "아버지 키", "어머니 키", "국적"과 같은 네 가지 유형의 데이터(속성)를 분석합니다.
알겠습니다, 키는 남녀마다 다르고, 유전적이며, 국적에 따라 달라집니다. 즉, 상관관계가 있다는 뜻입니다. 예측하기 쉽습니다!
입력할 파일 형식은 다음과 같습니다: [키(답변)],[성별],[아버지 키],[어머니 키],[국적]
엑셀로 2만 개의 항목을 만들었습니다. 국적과 성별에 따른 키 범위를 정의하고, 무작위 함수를 사용해 약간의 변동을 만들었습니다. 즉, [키 (답변)]과 [성별][아버지 키][어머니 키][국적]의 네 가지 속성이 상관관계가 있습니다.
이제 예측을 해봅시다. 이번에도 회귀 모델이라 분석 결과는 지난번과 거의 같습니다. 이제 예측을 해봅시다.
지난번까지는 속성 하나만 입력했는데, 네 가지 속성을 추가하면 어떻게 해야 하나요? ↓ 이 페이지 하단에 샘플이 있습니다. "Run a prediction against your model."을 검색하면 찾을 수 있습니다. https://cloud.google.com/prediction/docs/reference/v1.4/reference
{
"입력":{
"csvInstance":["M", 1.59, 1.51,"France"]
}
}
알겠습니다, 쉼표로 구분해서 배열할 수 있는 것 같네요. "prediction.trainedmodels.predict"를 실행해 보겠습니다. 제가 만든 데이터는 CM 표기법으로 되어 있어서 다음과 같이 입력하겠습니다.
{
"입력":
{
"csvInstance":
[
"M, 175, 165, 프랑스"
]
}
}
"outputValue": "73.839505"
음!? 73cm?? 답이 이상해. Go☆의 조언에 따라 이번에는 세로로 놓아봤어.
{
"입력":
{
"csvInstance":
[
"M"
"175"
"165"
"프랑스"
]
}
}
그때,
"outputValue": "175.622356"
175cm! 그렇다면 효과가 있었던 것 같다. 마유코 "결국 정답은 가로로 아니면 수직...?" 고☆ "음, 이제부터는 확인해보자!" 마유코 "야!"
끝 ♡
*이 기사는 "ISAO IT 솔루션 부문 주식회사"의 감독 하에 작성되었습니다.