- 카테고리:
MODEL_MONITOR_PERFORMANCE_METRIC¶
모델 모니터 에서 성능 메트릭을 가져옵니다. 각 모델 모니터는 하나의 머신 러닝 모델을 모니터링합니다.
- 참고 항목:
모니터링 결과 쿼리하기 에서 자세한 내용을 확인하십시오.
구문¶
MODEL_MONITOR_PERFORMANCE_METRIC(<model_monitor_name>, <performance_metric_name>,
[, <granularity> [, <start_time> [, <end_time> ] ] ] )
인자¶
필수:
MODEL_MONITOR_NAME
메트릭을 계산하는 데 사용된 모델 모니터의 이름입니다.
유효한 값:
모델 모니터의 이름인 문자열입니다. 단순 또는 정규화된 이름일 수 있습니다.
METRIC_NAME
성능 메트릭의 이름입니다.
모델 모니터가 회귀 모델에 연결된 경우 유효한 값입니다.
'RMSE'
'MAE'
'MAPE'
'MSE'
모델 모니터가 이진 분류 모델에 연결된 경우 유효한 값입니다.
'ROC_AUC'
'CLASSIFICATION_ACCURACY'
'PRECISION'
'RECALL'
'F1_SCORE'
선택 사항:
GRANULARITY
쿼리하는 시간 범위의 세분성. 기본값은
1 DAY
입니다.유효한 값:
'<숫자> DAY'
'<숫자> WEEK'
'<숫자> MONTH'
'<숫자> QUARTER'
'<숫자> YEAR'
'ALL'
NULL
START_TIME
메트릭을 계산하는 데 사용되는 시간 범위의 시작입니다. 기본값은 현재 시간으로부터 60일 전이며 함수를 호출할 때마다 계산됩니다.
유효한 값:
타임스탬프 식 또는
NULL
입니다.END_TIME
메트릭을 계산하는 데 사용되는 시간 범위의 끝입니다. 기본값은 현재 시간이며 함수를 호출할 때마다 계산됩니다.
유효한 값:
타임스탬프 식 또는
NULL
입니다.
반환¶
열 |
설명 |
예제 값 |
---|---|---|
|
시간 범위가 시작될 때의 타임스탬프입니다. |
|
|
지정된 시간 범위 내의 메트릭 값입니다. |
|
|
메트릭을 계산하는 데 사용된 레코드의 수입니다. |
|
|
메트릭 계산에서 제외된 레코드의 수입니다. |
|
|
계산된 메트릭의 이름입니다. |
|
사용법 노트¶
일반적인 요구 사항¶
모델 모니터는 요청된 메트릭 유형을 지원하는 모델과 연결되어 있어야 합니다.
모델 모니터에는 아래에 설명된 대로 각 메트릭 유형에 필요한 데이터가 포함되어야 합니다.
메트릭 요구 사항¶
다음은 회귀 메트릭을 가져오기 위해 필요한 열입니다.
RMSE:
prediction_score
및actual_score
열이 필요합니다.MAE:
prediction_score
및actual_score
열이 필요합니다.MAPE:
prediction_score
및actual_score
열이 필요합니다.
다음은 이진 분류 메트릭을 가져오기 위해 필요한 열입니다.
ROC_AUC:
prediction_score
및actual_class
열이 필요합니다.CLASSIFICATION_ACCURACY:
prediction_class
및actual_class
열이 필요합니다.PRECISION:
prediction_class
및actual_class
열이 필요합니다.RECALL:
prediction_class
및actual_class
열이 필요합니다.F1_SCORE:
prediction_class
및actual_class
열이 필요합니다.
다음은 다중 클래스 분류 메트릭을 가져오기 위해 필요한 열입니다.
CLASSIFICATION_ACCURACY:
prediction_class
및actual_class
열이 필요합니다.MACRO_AVERAGE_PRECISION:
prediction_class
및actual_class
열이 필요합니다.MACRO_AVERAGE_RECALL:
prediction_class
및actual_class
열이 필요합니다.MICRO_AVERAGE_PRECISION:
prediction_class
및actual_class
열이 필요합니다.MICRO_AVERAGE_RECALL:
prediction_class
및actual_class
열이 필요합니다.
참고
이진 분류의 경우, 다중 클래스 분류에서 분류 정확도를 사용하는 방식과 유사하게 마이크로 평균 전체 자릿수 및 리콜 메트릭을 사용할 수 있습니다.
오류 사례¶
다음과 같은 경우 오류가 발생할 수 있습니다.
해당 예측 또는 실제 열을 설정하지 않고 정확도 메트릭을 요청합니다.
actual_score
또는actual_class
열에 데이터를 제공하지 못했습니다.
예¶
다음은 모델 모니터에서 1일 기간 동안의 평균 제곱근 오차(RMSE)를 가져오는 예입니다.
SELECT * FROM TABLE(MODEL_MONITOR_PERFORMANCE_METRIC(
'MY_MONITOR', 'RMSE', '1 DAY', TO_TIMESTAMP_TZ('2024-01-01'), TO_TIMESTAMP_TZ('2024-01-02'))
)
다음은 모델 모니터에서 지난 30일 동안의 평균 제곱근 오차(RMSE)를 가져오는 예입니다.
SELECT * FROM TABLE(MODEL_MONITOR_PERFORMANCE_METRIC(
'MY_MONITOR', 'RMSE', '1 DAY', DATEADD('DAY', -30, CURRENT_DATE()), CURRENT_DATE())
)