분류

이 가이드는 Claude로 분류기를 구축하기 위한 최상의 접근 방식을 결정하는 프로세스와 사용 사례 탐색부터 백엔드 통합까지 Claude 분류기의 엔드 투 엔드 배포의 핵심 사항을 안내합니다.

​

언제 Claude를 분류에 사용해야 할까요

분류 작업에 기존 ML 접근 방식 대신 LLM을 사용하는 것을 고려해야 하는 경우는 언제일까요? 다음은 몇 가지 주요 지표입니다:

1. 규칙 기반 클래스: Claude는 기본 규칙을 이해할 수 있으므로 클래스가 예제가 아닌 조건으로 정의될 때 사용하세요.
2. 진화하는 클래스: Claude는 새로운 클래스가 등장하고 경계가 변화하는 새롭거나 변화하는 도메인에 잘 적응합니다.
3. 비정형 입력: Claude는 다양한 길이의 방대한 양의 비정형 텍스트 입력을 처리할 수 있습니다.
4. 제한된 레이블 예제: Few-shot 학습 기능으로 Claude는 제한된 레이블 훈련 데이터에서 정확하게 학습합니다.
5. 추론 요구 사항: Claude는 의미론적 이해, 맥락 및 상위 수준의 추론이 필요한 분류 작업에 탁월합니다.

​

분류 사용 사례 수립

아래는 Claude가 산업별로 탁월한 일반적인 분류 사용 사례의 비망라적 목록입니다.

​

분류를 위한 Claude 구현

세 가지 주요 모델 결정 요인은 지능, 지연 시간 및 가격입니다.

분류의 경우 속도와 효율성으로 인해 Claude 3 Haiku와 같은 작은 모델이 일반적으로 이상적입니다. 하지만 전문 지식이나 복잡한 추론이 필요한 분류 작업의 경우 Sonnet 또는 Opus가 더 나은 선택일 수 있습니다. Opus, Sonnet 및 Haiku의 비교에 대해 자세히 알아보려면 여기를 참조하세요.

평가를 사용하여 Claude 모델이 프로덕션에 출시할 만큼 충분히 잘 수행되고 있는지 측정하세요.

​

1. 강력한 입력 프롬프트 작성

Claude는 기본적으로 높은 수준의 기준 성능을 제공하지만 강력한 입력 프롬프트는 최상의 결과를 얻는 데 도움이 됩니다.

특정 사용 사례에 맞게 조정할 수 있는 일반 분류기의 경우 아래 시작 프롬프트를 복사하세요:

미리 정의된 범주 집합으로 텍스트를 자동 분류할 수 있는 텍스트 분류기를 구축할 것입니다.
분류기가 사용할 범주는 다음과 같습니다:

<categories>
{{CATEGORIES}}
</categories>

이러한 범주로 텍스트를 분류하는 방법을 이해하는 데 도움이 되도록 올바른 범주로 이미 레이블이 지정된 일부 예제 텍스트는 다음과 같습니다:

<examples>
{{EXAMPLES}}
</examples>

각 범주를 정의하는 주요 특징과 특성을 식별하기 위해 이러한 예제를 주의 깊게 연구하세요. 각 범주와 관련된 것으로 보이는 주요 주제, 테마, 작성 스타일 등을 설명하면서 <category_analysis> 태그 안에 각 범주에 대한 분석을 작성하세요.

범주에 대해 잘 이해했다고 느끼면 새로운 레이블이 없는 텍스트를 가져와서 가장 가능성이 높은 범주를 예측하는 분류기를 구축하는 것이 여러분의 과제입니다.

최종 분류를 제공하기 전에 <classification_process> 태그 안에 단계별 프로세스와 추론을 보여주세요. 각 잠재적 범주에 대한 증거를 고려하세요.

그런 다음 예제 텍스트가 속한다고 생각하는 범주에 대한 최종 <classification>을 출력하세요.

목표는 예제에서 정의한 대로 새로운 텍스트를 가장 적절한 범주로 정확하게 분류할 수 있는 분류기를 구축하는 것입니다.

또한 프롬프트 라이브러리에서 다음을 포함한 여러 분류 사용 사례에 대한 프롬프트를 포함하여 시작할 수 있는 다양한 프롬프트를 제공합니다:

​

2. 테스트 케이스 개발

분류 평가를 실행하려면 실행할 테스트 케이스가 필요합니다. 테스트 케이스 개발 가이드를 살펴보세요.

​

3. 평가 실행

​

평가 지표

분류 작업에서 Claude의 성능을 평가할 때 고려해야 할 몇 가지 성공 지표는 다음과 같습니다:

​

분류기 배포

Claude를 분류에 사용하는 방법에 대한 코드 예제는 Anthropic Cookbook의 분류 가이드를 참조하세요.