기능 엔지니어링 및 선택

고급 예측은 예측을 실행하기 전에 데이터에 대해 기능 엔지니어링 및 기능 선택을 수행할 수 있으므로 예측 정확도가 향상됩니다.

고급 예측을 정의할 때 관리자는 데이터 준비 페이지의 자동화된 기능 엔지니어링 및 선택항목을 사용으로 설정에서 새 옵션을 선택할 수 있습니다. 이 옵션은 기본적으로 선택됩니다.

기능 엔지니어링은 모델 성능을 개선하기 위해 기존 기능을 변환하거나 새 기능을 생성하여 머신 러닝용 데이터를 준비하는 프로세스입니다. 자동화된 기능 엔지니어링은 이 프로세스를 가속화하여 정확도가 개선된 더 나은 모델을 만들 수 있도록 지원합니다.

기능 엔지니어링이 없으면 모든 동인은 있는 그대로 처리됩니다. 기능 엔지니어링을 적용하면 기능에서 추가 정보가 도출되어 더 정확한 예측이 가능합니다. 다음과 같은 유형의 변환이 적용됩니다.

• 시간 기반 기능. 예: 특정 요일이 더 많은 영향을 줍니까?
• 지연 효과. 예: 6월의 마케팅 지출이 8월의 판매량에 미치는 영향과 같이 비즈니스 동인이 목표에 미치는 지연 효과는 무엇입니까?
• 집계 변환. 예: 단일 데이터 지점이 아닌 롤링 평균 값이 비즈니스 동인에 미치는 영향은 무엇입니까?

자동화된 기능 엔지니어링 및 선택항목을 사용으로 설정을 선택하면 엔지니어링 기능이 여러 개 생성되고 모델 생성 및 예측을 위해 상위 15개(또는 그 이하) 기능이 선택됩니다. 기능 중요도 차트는 출력 변수에 대해 선택된 상위 15개 기능의 중요도를 보여줍니다.

자동화된 기능 엔지니어링 및 선택항목을 사용으로 설정이 선택되지 않은 경우 엔지니어링된 기능이 생성되지 않습니다. 그러나 기능 중요도는 계속 평가되며, 중요하지 않은 기능은 모델에서 제외됩니다. 다른 모든 기능은 모델 생성을 위해 있는 그대로 사용됩니다.

기능 중요도 차트는 출력 변수에 대한 지정된 기능의 중요도를 보여줍니다. 이 차트는 상위 9개 기능을 보여줍니다. 나머지 기능은 백분율 값으로 집계되어 기타 제목으로 그룹화됩니다.

예측 설명 화면에서 기능 엔지니어링 및 기능 선택의 영향을 확인할 수 있습니다. [고급 예측] 예측 값이 있는 양식에서 예측 데이터가 있는 셀을 마우스 오른쪽 버튼으로 누르고 예측 설명을 선택합니다. 기능 중요도 탭 및 예측 분석 탭에서 예측 세부정보를 검토합니다.

AutoMLx를 알고리즘으로 선택한 경우 AutoMLx는 정확도에 따라 단변량 또는 다변량 모델을 자동으로 선택합니다.

단변량 모델을 선택한 경우 기능 중요도 그래프에는 타겟 추세, N 기간 전 타겟, 타겟 차이 변경, 타겟 순환 추세(해당하는 경우) 등 출력/타겟 관련 기능만 표시됩니다.

단변량 모델에 대한 기능 중요도 그래프는 다음과 같습니다.

기능 엔지니어링은 입력 기능과 출력 변수 사이의 숨겨진 관계를 찾습니다. 정교하게 엔지니어링된 기능을 통해 모델은 보다 관련성이 높은 정보를 캡처하여 모델 성능을 개선하고 예측을 개선할 수 있습니다.

기능 선택은 예측 정확도에 영향을 미치는 가장 관련성이 높은 비즈니스 동인을 식별하고 과적합을 방지하기 위해 "노이즈"가 있거나 영향이 낮은 변수를 필터링합니다. 또한 복잡성과 처리 시간을 줄여 성능을 향상시킵니다. 예측 능력을 기반으로 기능의 순위를 지정함으로써 설명 가능성을 지원합니다.

다음 사항에 유의하십시오.

• 자동화된 기능 엔지니어링 및 선택항목을 사용으로 설정은 기본적으로 선택되어 있습니다.
• 자동화된 기능 엔지니어링 및 선택항목을 사용으로 설정을 선택하면 예측 실행에 필요한 시간이 늘어납니다.