기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon SageMaker AI에서 Scikit-learn을 사용하기 위한 리소스
<a name="sklearn"></a>

Amazon SageMaker AI를 사용하여 사용자 지정 Scikit-learn 코드를 사용하는 모델을 훈련 및 배포할 수 있습니다. SageMaker AI Python SDK Scikit-learn 예측기 및 모델과 SageMaker AI 오픈 소스 Scikit-learn 컨테이너를 사용하면 보다 쉽게 Scikit-learn 스크립트를 작성해 SageMaker AI에서 실행할 수 있습니다. 다음 섹션에서는 Scikit-learn을 SageMaker AI와 함께 사용하는 방법을 배우는 데 사용할 수 있는 참조 자료를 제공합니다.

**요구 사항**

Scikit-learn 1.4에는 다음과 같은 종속성이 있습니다.


| 종속성 | 최소 버전 | 
| --- | --- | 
| Python | 3.10 | 
| NumPy | 2.1.0 | 
| SciPy | 1.15.3 | 
| joblib | 1.5.2 | 
| threadpoolctl | 3.6.0 | 

SageMaker AI Scikit-learn 컨테이너는 다음과 같은 Scikit-learn 버전을 지원합니다.


| 지원되는 Scikit-Learn 버전 | 최소 Python 버전 | 
| --- | --- | 
| 1.4-2 | 3.10 | 
| 1.2-1 | 3.8 | 
| 1.0-1 | 3.7 | 
| 0.23-1 | 3.6 | 
| 0.20.0 | 2.7 또는 3.4 | 

Scikit-learn 훈련 스크립트 작성 및 SageMaker AI에서 Scikit-learn 예측기 및 모델 사용에 대한 일반 정보는 [Using Scikit-learn with the SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html)를 참조하세요.

## 어떤 작업을 수행하려고 합니까?
<a name="sklearn-intent"></a>

**참고**  
SageMaker AI Scikit-Learn 예시 노트북을 실행하려면 Matplotlib v2.2.3 이상이 필요합니다.

SageMaker AI에서 데이터 처리, 특성 엔지니어링 또는 모델 평가를 위해 Scikit-learn을 사용하고 싶습니다.  
예제 Jupyter Notebook은 [https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker\_processing/scikit\_learn\_data\_processing\_and\_model\_evaluation](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker_processing/scikit_learn_data_processing_and_model_evaluation)을 참조하세요.  
Scikit-learn 모델 훈련 및 배포에 대한 블로그 게시물은 [Amazon SageMaker AI adds Scikit-Learn support](https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-adds-scikit-learn-support/)를 참조하세요.  
설명서는 [ReadTheDocs](https://sagemaker.readthedocs.io/en/stable/amazon_sagemaker_processing.html#data-pre-processing-and-model-evaluation-with-scikit-learn)를 참조하세요.

SageMaker AI에서 사용자 지정 Scikit-learn 모델을 훈련하고 싶습니다.  
예제 Jupyter Notebook은 [https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker-python-sdk/scikit\_learn\_iris](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker-python-sdk/scikit_learn_iris)를 참조하세요.  
설명서는 [Scikit-learn을 사용하여 모델 훈련](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html#train-a-model-with-sklearn)을 참조하세요.

SageMaker AI에 내가 훈련한 Scikit-learn 모델이 있으며 이를 호스팅된 엔드포인트에 배포하려고 합니다.  
자세한 내용은 [Scikit-Learn 모델 배포](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html#deploy-sklearn-models)를 참조하세요.

SageMaker AI 외부에 내가 훈련한 Scikit-learn 모델이 있으며 이를 SageMaker AI 엔드포인트에 배포하려고 합니다.  
자세한 정보는 [모델 데이터에서 엔드포인트 배포](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html#deploy-endpoints-from-model-data)를 참조하세요.

[Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) Scikit-learn 클래스에 대한 API 설명서를 보고 싶습니다.  
자세한 내용은 [Scikit-learn 클래스](https://sagemaker.readthedocs.io/en/stable/sagemaker.sklearn.html)를 참조하세요.

SageMaker AI Scikit-learn 컨테이너에 대한 정보를 보고 싶습니다.  
자세한 내용은 [SageMaker Scikit-Learn 컨테이너 GitHub 리포지토리](https://github.com/aws/sagemaker-scikit-learn-container)를 참조하세요.