분류

이 가이드는 Claude로 분류기를 구축하기 위한 최적의 접근 방식을 결정하는 과정과 사용 사례 탐색부터 백엔드 통합까지 Claude 분류기의 엔드투엔드 배포에 필요한 핵심 사항을 안내합니다.



분류에 Claude를 사용해야 하는 경우

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

1. 규칙 기반 클래스: 클래스가 예제가 아닌 조건으로 정의되는 경우 Claude를 사용하세요. Claude는 기본 규칙을 이해할 수 있습니다.
2. 진화하는 클래스: Claude는 새로운 클래스가 등장하고 경계가 변화하는 새롭거나 변화하는 도메인에 잘 적응합니다.
3. 비정형 입력: Claude는 다양한 길이의 대량 비정형 텍스트 입력을 처리할 수 있습니다.
4. 제한된 레이블 예제: "few-shot learning"(퓨샷 학습) 기능을 통해 Claude는 제한된 레이블 학습 데이터로부터 정확하게 학습합니다.
5. 추론 요구 사항: Claude는 의미론적 이해, 컨텍스트 및 고차원 추론이 필요한 분류 작업에 탁월합니다.



분류 사용 사례 설정

아래는 Claude가 탁월한 성능을 보이는 산업별 일반적인 분류 사용 사례의 일부 목록입니다.



분류를 위한 Claude 구현

세 가지 주요 모델 결정 요소는 지능, "latency"(지연 시간), 가격입니다.

분류의 경우 Claude Haiku 4.5와 같은 더 작은 모델이 속도와 효율성 때문에 일반적으로 이상적입니다. 다만 전문 지식이나 복잡한 추론이 필요한 분류 작업의 경우 Sonnet 또는 Opus가 더 나은 선택일 수 있습니다. Opus, Sonnet, Haiku의 비교에 대한 자세한 내용은 모델 개요를 참조하세요.

평가를 사용하여 Claude 모델이 프로덕션에 출시할 만큼 충분히 잘 작동하는지 측정하세요.



1. 강력한 입력 프롬프트 구축

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

특정 사용 사례에 맞게 조정할 수 있는 일반 분류기를 위해 아래의 시작 프롬프트를 복사하세요.



2. 테스트 케이스 개발

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



3. 평가 실행



평가 지표

분류 작업에서 Claude의 성능을 평가할 때 고려할 수 있는 몇 가지 성공 지표는 다음과 같습니다.



분류기 배포

분류에 Claude를 사용하는 방법에 대한 코드 예제를 보려면 Claude Cookbook의 분류 가이드를 확인하세요.