PredictFromModel

지정된 텍스트 임베딩 벡터에 대해 훈련된 회귀 모델에서 예측된 값을 반환합니다.

포맷 

PredictFromModel ( modelName ; v1 )

매개 변수 

modelName - 메모리에 로드된 훈련된 회귀 모델의 이름을 지정하는 모든 텍스트 표현식입니다.

v1 - 예측을 위한 입력 기능을 포함하는 모든 텍스트 표현식, 필드 또는 컨테이너 필드입니다. JSON 배열(예: [1.2, 3.4, 5.6]) 또는 임베딩 벡터를 포함하는 이진 컨테이너 데이터로 제공될 수 있습니다.

반환되는 데이터 유형 

숫자

다음 버전에서 시작됨 

22.0

설명 

PredictFromModel은 회귀 모델 구성 스크립트 단계로 훈련되고 로드된 회귀 모델을 사용하여 수치 예측을 생성합니다. 이 함수는 입력 기능(벡터를 임베딩할 수 있음)으로 모델 훈련 중에 파생된 패턴을 기반으로 단일 수치 예측을 반환합니다.

이 기능을 사용하기 전에 다음을 수행해야 합니다.

  1. 회귀 모델 구성 스크립트 단계를 사용하여 회귀 모델을 훈련합니다.

  2. 모델이 메모리에 로드되었는지 확인합니다. 명시적으로 로드 해제되거나 FileMaker 세션이 종료될 때까지 모델은 로드된 상태로 유지됩니다.

  3. 모델을 만드는 데 사용된 훈련 데이터와 동일한 구조 및 차원과 일치하는 입력 기능을 제공합니다.

v1 매개 변수는 두 가지 형식의 입력 기능을 허용합니다.

  • [1.2, 3.4, 5.6, 7.8]과 같은 숫자 값의 JSON 배열을 포함하는 텍스트입니다. 이 형식은 사람이 읽을 수 있으며 간단한 사용 사례에 적합합니다. JSON 배열은 또한 AI 모델에 의해 생성된 임베딩 벡터로 구성될 수 있습니다.

  • 이진 컨테이너 데이터로 저장된 임베딩 벡터입니다. 이 형식은 일반적으로 대규모 작업에 더 나은 성능을 제공하며 AI 모델에 의해 생성된 임베딩 벡터로 작업할 때 선호되는 형식입니다.

참고 

  • v1의 입력 기능은 모델을 만드는 데 사용된 훈련 데이터와 동일한 순서와 동일한 차원 수를 가져야 합니다.

  • AI 모델을 사용하여 v1에 사용할 임베딩 벡터를 생성하려면 임베딩 삽입 스크립트 단계, 찾기 세트에 임베딩 삽입 스크립트 단계 또는 GetEmbedding 함수를 사용할 수 있습니다.

  • 임베딩 벡터에 이진 컨테이너 데이터를 사용하는 것은 일반적으로 JSON 배열보다 더 나은 성능을 제공하며, 특히 고차원 기능 벡터의 경우 더욱 그렇습니다.

  • 모델 이름은 대소문자를 구분하며 회귀 모델 구성 스크립트 단계를 사용하여 로드된 모델의 이름과 정확히 일치해야 합니다.

  • 모델은 명시적으로 삭제될 때까지 메모리에 남아 있으므로 다시 로드하지 않고도 여러 예측을 효율적으로 할 수 있습니다.

  • 이 함수는 다음의 경우 "?"를 반환합니다.

    • 지정된 모델 이름이 존재하지 않거나 현재 메모리에 로드되지 않습니다.

    • 입력 기능이 모델의 훈련 데이터에 비해 잘못된 차원이나 형식을 가지고 있습니다.

예제 1 

예제 1에서 회귀 모델 구성에서 훈련된 주택 가격 모델을 사용하여 간단한 예측을 하는 표현식입니다. 입력 기능은 평방 피트, 침실 및 연식에 대한 것입니다.

복사 
PredictFromModel( "HousePriceModel" ; "[1600, 3, 20]" )

1600평방피트, 침실 3개, 20년의 연식을 기준으로 예상 주택 가격을 반환합니다. 가능한 반환 값은 256.96153846153845279입니다(훈련 데이터에 사용된 목표 값과 동일한 가격 단위).

예제 2

예제 2에서 회귀 모델 구성에서 훈련된 모델을 사용하여 고객의 리뷰 텍스트를 기반으로 고객의 별점을 예측합니다. 스크립트는 사용자에게 리뷰($reviewInput)를 입력하도록 요청하고, AI 계정을 구성한 다음, 계정을 사용하여 $reviewInput에 대한 텍스트 임베딩 벡터를 얻습니다. 다음으로, 글로벌 필드 Reviews::ReviewModel에 저장된 회귀 모델을 로드한 다음, 로드된 모델 "ReviewModel"과 사용자의 리뷰($reviewEmbedding)에 대한 임베딩 벡터를 사용하여 예측된 등급을 표시합니다. 완료되면 스크립트는 메모리에서 모델을 로드 해제합니다.

복사 
사용자 설정 대화 상자 보기 ["Enter Your Review"; $reviewInput ]

AI 계정 구성 [ 계정 이름: "AI_Model_Server" ; 모델 제공자: 사용자 지정 ; 엔드포인트: "https://myserver.example.com:8080/" ; SSL 인증서 확인 ; API 키: Global::API_Key ]

임베딩 삽입 [ 계정 이름: "AI_Model_Server" ; 임베딩 모델: "all-MiniLM-L12-v2" ; 입력: $reviewInput ; Target: $reviewEmbedding ]

회귀 모델 구성 [ 조치: 모델 로드 ; 모델 이름: "ReviewModel" ; 모델 로드 위치: Reviews::ReviewModel ]

사용자 설정 대화 상자 보기 [ "Predicted Rating"; PredictFromModel ( "ReviewModel" ; $reviewEmbedding ) ]

회귀 모델 구성 [ 조치: 모델 로드 해제 ; 모델 이름: "ReviewModel" ]

긍정적인 리뷰에 대한 가능한 예측 등급은 1에서 5 사이의 훈련에 사용된 목표 값에 대해 4.8700974666666665414입니다.

관련 주제