> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-sandboxes-integrations-placement.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 데이터셋에서 열 매핑하기

> 데이터셋의 열을 다른 이름에 매핑합니다. 이렇게 하면 데이터셋의 열 이름을 scorer가 기대하는 열 이름에 맞출 수 있습니다.

<Tabs>
  <Tab title="Python">
    Weave Python SDK에서는 scorer의 `column_map` 속성을 사용해 scorer가 기대하는 매개변수 이름을 데이터셋의 열 이름에 매핑합니다. 매핑 형식은 `{scorer_parameter: dataset_column}`입니다.

    다음 예제에서는 `output` 및 `target` 매개변수를 데이터셋의 `model_output` 및 `answer` 열에 매핑합니다.

    ```python theme={null}
    from weave.scorers import EmbeddingSimilarityScorer

    similarity_scorer = EmbeddingSimilarityScorer()

    similarity_scorer.column_map = {
        "output": "model_output",  # 모델이 생성한 텍스트
        "target": "answer"         # 예상되거나 레퍼런스가 되는 응답
    }
    ```

    scorer 열 매핑에 대한 자세한 내용은 [`column_map`으로 열 이름 매핑하기](../evaluation/scorers#mapping-column-names-with-column_map)를 참조하세요.
  </Tab>

  <Tab title="TypeScript">
    Weave TypeScript SDK에서는 열 매핑을 개별 scorer가 아니라 `columnMapping` 옵션을 사용해 `Evaluation` 객체에서 설정합니다. 매핑 형식은 `{scorer_key: dataset_column}`입니다.

    다음 예제에서는 scorer가 사용하는 `expectedOutputTimesTwo`를 데이터셋의 `expected` 열에 매핑합니다.

    ```typescript twoslash theme={null}
    // @noErrors
    import * as weave from 'weave';

    const myScorer = weave.op(
      ({modelOutput, datasetRow}) => {
        return modelOutput * 2 === datasetRow.expectedOutputTimesTwo;
      },
      {name: 'myScorer'}
    );

    const myEval = new weave.Evaluation({
      id: 'my-evaluation',
      dataset: [{expected: 2}],
      scorers: [myScorer],
      columnMapping: {expectedOutputTimesTwo: 'expected'},
    });
    ```

    TypeScript scorer 인수에 대한 자세한 내용은 [Scorer Keyword Arguments](../evaluation/scorers#scorer-keyword-arguments)를 참조하세요.
  </Tab>
</Tabs>