CREATE SNOWFLAKE.ML.CLASSIFICATION¶

새 분류 모델을 만들거나 현재 또는 지정된 스키마의 기존 모델을 대체합니다.

참고 항목:: DROP SNOWFLAKE.ML.CLASSIFICATION

구문¶

CREATE [ OR REPLACE ] SNOWFLAKE.ML.CLASSIFICATION [ IF NOT EXISTS ] <model_name> (
    INPUT_DATA => <input_data>,
    TARGET_COLNAME => '<target_colname>',
    [CONFIG_OBJECT => <config_object>],
)
[ [ WITH ] TAG ( <tag_name> = '<tag_value>' [ , <tag_name> = '<tag_value>' , ... ] ) ]
[ COMMENT = '<string_literal>' ]

Copy

매개 변수¶

필수 사항

input_data

학습 데이터에 대한 참조 입니다. 참조를 사용하면 제한된 권한으로 실행되는 학습 프로세스에서 활성 역할의 권한을 사용해 데이터에 액세스하도록 할 수 있습니다. 데이터가 해당 양식에 이미 있는 경우 테이블 또는 뷰에 대한 참조를 사용하거나, 쿼리 참조 를 사용하여 데이터를 얻기 위해 실행할 쿼리를 제공할 수 있습니다.

INPUT_DATA는 분류 모델에서 사용할 전체 학습 데이터를 포함해야 합니다. TARGET_COLNAME 인자에 이름이 지정되지 않은 모든 열은 학습 변수(특징)로 간주됩니다. 입력 데이터의 열 순서는 중요하지 않습니다.

특징 열은 STRING, NUMERIC 또는 BOOLEAN이어야 합니다. STRING 및 BOOLEAN 열은 카테고리형 특징으로 처리되고 NUMERIC 열은 연속형 특징으로 간주됩니다. 숫자형 열을 카테고리형으로 처리하려면 열을 STRING로 형변환하십시오.

target_colname

학습 데이터의 각 행에 대한 레이블(대상 값)이 포함된 열의 이름입니다. 대상 열은 BOOLEAN, NUMERIC 또는 STRING일 수 있습니다.

선택 사항

config_object

키-값 페어가 추가적인 학습 옵션을 지정하는 OBJECT 입니다.

키	타입	기본값	설명
evaluate	BOOLEAN	TRUE	평가 메트릭을 생성해야 하는지 여부입니다. TRUE인 경우에는 `evaluation_config` 의 매개 변수를 사용하여 평가를 위해 추가적인 모델이 학습됩니다.
on_error	STRING	‘ABORT’	모델 학습 작업의 오류 처리 방법을 지정하는 문자열 상수입니다. 지원되는 값은 다음과 같습니다. `'ABORT'`: 행에서 오류가 발생하면 전체 학습 작업을 중단합니다. `'SKIP'`: 오류가 발생한 행을 건너뜁니다. 결과 대신 오류가 표시됩니다.
evaluation_config	OBJECT	NULL	샘플 외부 평가 메트릭을 생성하는 방법을 지정하는 선택적 구성 오브젝트입니다. 현재, 그러한 옵션은 하나만 있습니다. `test_fraction` (FLOAT): 테스트(평가) 데이터로 사용해야 하는 데이터 세트의 비율입니다. 평가 구성이 지정되지 않은 경우 기본 동작은 평가 세트에 소수 클래스의 최소 500개 이상의 인스턴스를 포함하고 전체 테스트 비율을 데이터 세트의 20%로 제한하려고 하는 것입니다. 이 접근 방식은 특히 소수 클래스의 경우 모델 평가와 학습의 균형을 유지합니다.

키

타입

기본값

설명

evaluate

BOOLEAN

TRUE

평가 메트릭을 생성해야 하는지 여부입니다. TRUE인 경우에는 evaluation_config 의 매개 변수를 사용하여 평가를 위해 추가적인 모델이 학습됩니다.

on_error

STRING

‘ABORT’

모델 학습 작업의 오류 처리 방법을 지정하는 문자열 상수입니다. 지원되는 값은 다음과 같습니다.

'ABORT': 행에서 오류가 발생하면 전체 학습 작업을 중단합니다.
'SKIP': 오류가 발생한 행을 건너뜁니다. 결과 대신 오류가 표시됩니다.

evaluation_config

OBJECT

NULL

샘플 외부 평가 메트릭을 생성하는 방법을 지정하는 선택적 구성 오브젝트입니다. 현재, 그러한 옵션은 하나만 있습니다.

test_fraction (FLOAT): 테스트(평가) 데이터로 사용해야 하는 데이터 세트의 비율입니다.

평가 구성이 지정되지 않은 경우 기본 동작은 평가 세트에 소수 클래스의 최소 500개 이상의 인스턴스를 포함하고 전체 테스트 비율을 데이터 세트의 20%로 제한하려고 하는 것입니다. 이 접근 방식은 특히 소수 클래스의 경우 모델 평가와 학습의 균형을 유지합니다.

액세스 제어 요구 사항¶

이 작업을 실행하는 데 사용되는 역할 에는 최소한 다음 권한 이 있어야 합니다.

권한/역할	오브젝트	참고
CREATE SNOWFLAKE.ML.CLASSIFICATION	스키마	예산을 생성하는 데 사용되는 역할에는 예산이 생성되는 스키마에 대해 이 권한을 부여해야 합니다.
OWNERSHIP	스키마	스키마에 이미 존재하는 오브젝트와 동일한 이름을 가진 임시 오브젝트를 생성하려면 오브젝트에 대한 OWNERSHIP 권한을 역할에 부여하거나 상속해야 합니다.
`model_name` !mladmin	SNOWFLAKE.ML.CLASSIFICATION 인스턴스	모델 자체로 범위가 지정된 이 역할은 처음에는 소유자에게 부여되며, 소유자는 다른 사람이 모델의 모든 메서드를 호출할 수 있도록 이 역할을 부여할 수 있습니다. 모델 역할 및 사용 권한 섹션을 참조하십시오.
`model_name` !mlconsumer	SNOWFLAKE.ML.CLASSIFICATION 인스턴스	모델 자체로 범위가 지정된 이 역할은 처음에는 소유자에게 부여되며, 소유자는 다른 사람이 모델의 예측 메서드(예: `PREDICT`)를 호출할 수 있도록 이 역할을 부여할 수 있습니다. 모델 역할 및 사용 권한 섹션을 참조하십시오.

Operating on an object in a schema requires at least one privilege on the parent database and at least one privilege on the parent schema.

지정된 권한 세트로 사용자 지정 역할을 만드는 방법에 대한 지침은 사용자 지정 역할 만들기 섹션을 참조하십시오.

보안 오브젝트 에 대해 SQL 작업을 수행하기 위한 역할과 권한 부여에 대한 일반적인 정보는 액세스 제어의 개요 섹션을 참조하십시오.

예¶

예제 를 참조하십시오.