आगे आने वाले मॉडल बनाएं

अपने मॉडल को प्रशिक्षित करने के लिए डेटा कॉलम चुनें

आपके द्वारा तालिका और कॉलम का चयन करने और अपना परिणाम मैप करने के बाद, आप उपयोग किए गए डेटा कॉलम में बदलाव कर सकते हैं मॉडल को प्रशिक्षित करें. डिफ़ॉल्ट रूप से, सभी प्रासंगिक कॉलम चयनित हैं। आप उन स्तंभों का चयन रद्द कर सकते हैं जो कम सटीक मॉडल में योगदान दे सकते हैं। यदि आप नहीं जानते कि यहां क्या करना है, तो चिंता न करें। AI Builder ऐसे कॉलम ढूंढने का प्रयास करेंगे जो सर्वोत्तम संभव मॉडल प्रदान करते हों। नमूना डेटा के लिए, सब कुछ वैसे ही छोड़ दें और अगला चुनें।

डेटा कॉलम चयन संबंधी विचार

यहां विचार करने वाली सबसे महत्वपूर्ण बात यह है कि क्या कोई कॉलम जो आपका ऐतिहासिक परिणाम कॉलम नहीं है, अप्रत्यक्ष रूप से परिणाम द्वारा निर्धारित होता है।

मान लीजिए कि आप यह अनुमान लगाना चाहते हैं कि शिपमेंट में देरी होगी या नहीं। आपके डेटा में वास्तविक डिलीवरी तिथि हो सकती है। वह तारीख ऑर्डर डिलीवर होने के बाद ही मौजूद होती है। इसलिए, यदि आप इस कॉलम को शामिल करते हैं, तो मॉडल में लगभग 100 प्रतिशत सटीकता होगी। जिन ऑर्डरों का आप पूर्वानुमान लगाना चाहते हैं, वे अभी तक वितरित नहीं हुए होंगे, और उनमें वितरित दिनांक का कॉलम नहीं होगा। इसलिए, आपको प्रशिक्षण से पहले इस तरह के कॉलम का चयन रद्द कर देना चाहिए। संबंध में, इसे लक्ष्य रिसाव या डेटा रिसाव कहा जाता है। AI Builder उन स्तंभों को फ़िल्टर करने का प्रयास करता है जो "सत्य होने के लिए बहुत अच्छे" हैं, लेकिन फिर भी आपको उनकी जाँच करनी चाहिए।

संबंधित तालिकाओं से डेटा का उपयोग करें

यदि आपके पास संबंधित तालिकाएँ हैं जो पूर्वानुमान के प्रदर्शन में सुधार कर सकती हैं, तो आप उन्हें भी शामिल कर सकते हैं। जैसा कि आपने तब किया था जब आप यह अनुमान लगाना चाहते थे कि कोई ग्राहक मंथन करेगा या नहीं, आपको अतिरिक्त जानकारी शामिल करनी चाहिए जो एक अलग तालिका में हो सकती है। AI Builder इस समय मैनी-टू-वन विषय का समर्थन करता है।

अपना डेटा फ़िल्टर करें

प्रशिक्षण के लिए डेटा कॉलम चुनने के बाद, आप अपने डेटा को फ़िल्टर कर सकते हैं। आपकी तालिकाओं में सभी पंक्तियाँ होंगी। हालाँकि, आप पंक्तियों के एक उपसमूह पर प्रशिक्षण और भविष्यवाणी पर ध्यान केंद्रित करना चाह सकते हैं। यदि आप जानते हैं कि किसी मॉडल को प्रशिक्षित करने के लिए आप जिस तालिका का उपयोग कर रहे हैं, उसमें अप्रासंगिक डेटा है, तो आप इसे फ़िल्टर करने के लिए इस चरण का उपयोग कर सकते हैं।

उदाहरण के लिए, यदि आप केवल यूएस क्षेत्र को देखने के लिए फ़िल्टर लागू करते हैं, तो मॉडल उन पंक्तियों पर प्रशिक्षित होगा जहां परिणाम केवल यूएस क्षेत्र के लिए जाना जाता है। जब इस मॉडल को प्रशिक्षित किया जाता है, तो यह केवल उन पंक्तियों के लिए पूर्वानुमान बनाएगा जहां परिणाम केवल अमेरिकी क्षेत्र के लिए ज्ञात नहीं है।

फ़िल्टरिंग अनुभव Power Apps व्यू एडिटर जैसा ही है। जोड़कर प्रारंभ करें:

• एक पंक्ति, जिसमें एकल फ़िल्टर शर्त शामिल है.
• एक समूह, जो आपको अपनी फ़िल्टर स्थितियों को नेस्ट करने की अनुमति देता है।
• एक संबंधित तालिका, जो आपको संबंधित तालिका पर फ़िल्टर स्थिति बनाने की अनुमति देती है।

कॉलम, ऑपरेटर और मान का चयन करें जो फ़िल्टर स्थिति का प्रतिनिधित्व करता है। आप पंक्तियों को समूहीकृत करने या पंक्तियों को बल्क-डिलीट करने के लिए चेकबॉक्स का उपयोग कर सकते हैं।

अगला कदम

अपने पूर्वानुमान मॉडल को प्रशिक्षित करें और प्रकाशित करें