Membuat model prediksi
Contoh ini membuat model prediksi Power Apps AI yang menggunakan tabel Niat Pembeli Online di Microsoft Dataverse. Untuk memasukkan data sampel ini ke lingkungan Anda Microsoft Power Platform , aktifkan pengaturan Sebarkan aplikasi sampel dan data saat Anda membuat lingkungan seperti yang dijelaskan dalam Membangun model AI Builder. Atau, ikuti petunjuk yang lebih rinci dalam Persiapan data. Setelah data sampel Anda masuk Dataverse, ikuti langkah-langkah ini untuk membuat model Anda.
Masuk ke Power Apps OR Power Automate.
Di panel kiri, pilih ... Lebih banyak>hub AI.
Di bawah Temukan kemampuan AI, pilih model AI.
(Opsional) Untuk menyimpan model AI secara permanen di menu untuk akses mudah, pilih ikon pin.
Pilih prediksi - Memprediksi hasil masa depan dari data historis.
Pilih Buat model kustom.
Pilih hasil historis Anda
Pikirkan prediksi yang ingin AI Builder Anda buat. Misalnya, untuk pertanyaan "Apakah pelanggan ini akan churn?", Pikirkan pertanyaan seperti ini:
- Di mana tabel yang berisi informasi tentang churn pelanggan?
- Apakah ada kolom di sana yang secara khusus menyatakan apakah pelanggan telah bergejolak?
- Apakah ada hal yang tidak diketahui dalam kolom yang dapat menyebabkan ketidakpastian?
Gunakan informasi ini untuk membuat pilihan Anda. Bekerja dengan data sampel yang disediakan, pertanyaannya adalah "apakah pengguna yang berinteraksi dengan toko online saya ini melakukan pembelian?" Jika mereka melakukannya, harus ada pendapatan untuk pelanggan itu. Oleh karena itu, apakah ada pendapatan untuk pelanggan ini harus menjadi hasil historis. Di mana pun informasi ini kosong adalah tempat AI Builder yang dapat membantu Anda membuat prediksi.
Di menu dropdown Tabel , pilih tabel yang berisi data dan hasil yang ingin Anda prediksi. Untuk data sampel, pilih Niat pembeli online.
Di menu dropdown Kolom , pilih kolom yang berisi hasil. Untuk data sampel, pilih Pendapatan (Label). Atau, jika Anda ingin mencoba memprediksi angka, pilih ExitRates.
Jika Anda memilih rangkaian pilihan yang berisi dua hasil atau lebih, pertimbangkan untuk memetakannya ke "Ya" atau "Tidak" karena Anda ingin memprediksi apakah sesuatu akan terjadi.
Jika Anda ingin memprediksi beberapa hasil, gunakan himpunan data e-commerce Brasil dalam sampel, dan pilih Urutan BC di menu tarik-turun Tabel dan Garis Waktu Pengiriman di menu tarik-turun Kolom .
Catatan
AI Builder Mendukung tipe data ini untuk kolom hasil:
- Ya/Tidak
- Beberapa Pilihan
- Bilangan bulat
- Bilangan desimal
- Bilangan titik mengambang
- Mata uang
Pilih kolom data untuk melatih model Anda
Setelah Anda memilih Tabel dan Kolom dan memetakan hasil Anda, Anda dapat membuat perubahan pada kolom data yang digunakan untuk melatih model. Secara default, semua kolom yang relevan dipilih. Anda dapat membatalkan pilihan kolom yang mungkin berkontribusi pada model yang kurang akurat. Jika Anda tidak tahu apa yang harus dilakukan di sini, jangan khawatir. AI Builder akan mencoba menemukan kolom yang memberikan model terbaik. Untuk data sampel, biarkan semuanya apa adanya dan pilih Berikutnya.
Pertimbangan pemilihan kolom data
Yang paling penting untuk dipertimbangkan di sini adalah apakah kolom yang bukan kolom hasil historis Anda secara tidak langsung ditentukan oleh hasilnya.
Katakanlah Anda ingin memprediksi apakah pengiriman akan tertunda. Anda mungkin memiliki tanggal pengiriman aktual dalam data Anda. Tanggal tersebut hanya ada setelah pesanan dikirim. Jadi, jika Anda menyertakan kolom ini, model akan memiliki akurasi mendekati 100 persen. Pesanan yang ingin Anda prediksi belum terkirim, dan kolom tanggal pengiriman tidak akan diisi. Jadi, Anda harus membatalkan pilihan kolom seperti ini sebelum pelatihan. Dalam Pembelajaran Mesin, ini disebut kebocoran target atau kebocoran data. AI Builder mencoba memfilter kolom yang "terlalu bagus untuk menjadi kenyataan", tetapi Anda tetap harus memeriksanya.
Catatan
Saat Anda memilih bidang data, beberapa jenis data—seperti Gambar, yang tidak dapat digunakan sebagai input untuk melatih model—tidak ditampilkan. Selain itu, kolom sistem seperti Dibuat Pada dikecualikan secara default.
Menggunakan data dari tabel terkait
Jika Anda memiliki tabel terkait yang mungkin meningkatkan kinerja prediksi, Anda juga bisa menyertakannya. Seperti yang Anda lakukan ketika Anda ingin memprediksi apakah pelanggan akan churn, Anda harus menyertakan informasi tambahan yang mungkin ada dalam tabel terpisah. AI Builder Mendukung Relasi banyak-ke-satu saat ini.
Filter data Anda
Setelah memilih kolom data untuk pelatihan, Anda dapat memfilter data. Tabel Anda akan berisi semua baris. Namun, Anda mungkin ingin berkonsentrasi pada pelatihan dan memprediksi pada subset baris. Jika Anda tahu bahwa ada data yang tidak relevan dalam tabel yang sama yang Anda gunakan untuk melatih model, Anda dapat menggunakan langkah ini untuk memfilternya.
Misalnya, jika Anda menerapkan filter untuk melihat hanya wilayah AS, model akan berlatih pada baris yang hasilnya hanya diketahui untuk wilayah AS. Ketika model ini dilatih, itu hanya akan membuat prediksi untuk baris di mana hasilnya tidak diketahui hanya untuk wilayah AS.
Pengalaman pemfilteran sama seperti di Power Apps editor tampilan. Mulailah dengan menambahkan:
- Baris, yang berisi satu kondisi filter.
- Grup, yang memungkinkan Anda menumpuk kondisi filter.
- Tabel terkait, yang memungkinkan Anda membuat kondisi filter pada tabel terkait.
Pilih kolom, operator, dan nilai yang mewakili kondisi filter. Anda dapat menggunakan kotak centang untuk mengelompokkan baris atau menghapus baris secara massal.