Zdieľať cez

Vytvorenie modelu predikcie

  • Článok

Tento príklad vytvára model AI predpovede služby Power Apps, ktorý používa v tabuľku Aktívny zámer online zákazníka v Microsoft Dataverse. Ak chcete tieto vzorové údaje dostať do svojho Microsoft Power Platform prostredia, povoľte nastavenie Nasadiť vzorové aplikácie a údaje pri vytváraní prostredia podľa popisu v Postavte model v AI Builder. Alebo postupujte podľa podrobnejších pokynov v časti Príprava údajov. Keď sa vaše vzorové údaje nachádzajú v službe Dataverse, postupujte podľa týchto krokov na vytvorenie modelu.

  1. Prihláste sa na Power Apps alebo Power Automate.

  2. Na ľavej table vyberte ... Viac>AI hub.

  3. V časti Objavte schopnosť AI vyberte Modely AI.

    (Voliteľné) Ak chcete modely AI ponechať natrvalo v ponuke pre ľahký prístup, vyberte ikonu špendlíka.

  4. Vyberte predikcia – Predpovedať budúce výsledky z historických údajov.

  5. Vyberte Vytvoriť vlastný model.

Výber historického výsledku

Myslite na predikcia, ktorý chcete AI Builder vyrobiť. V prípade otázky „Chystá sa tento zákazník odísť?“ sa napríklad zamyslite nad takýmito otázkami:

  • Kde je tabuľka, ktorá obsahuje informácie o odchode zákazníka?
  • Existuje stĺpec, v ktorom je konkrétne známe, že zákazník odišiel?
  • Existujú v niektorom stĺpci neznáme, ktoré by mohli spôsobiť neistotu?

Pomocou týchto informácií môžete uskutočniť svoje výbery. Pri práci s poskytnutými vzorovými údajmi vzniká otázka: „Nakúpil tento používateľ, ktorý interagoval s mojím internetovým obchodom?“ Ak áno, mal by mať tento zákazník príjem. Informácia o tom, či existujú tržby od daného zákazníka, by preto mala byť historickým výsledkom. Kdekoľvek sú tieto informácie prázdne, AI Builder vám môže pomôcť vytvoriť predikcia.

  1. V rozbaľovacej ponuke Tabuľka vyberte tabuľku, ktorá obsahuje údaje a výsledok, ktorý chcete predpovedať. Pre vzorové údaje vyberte Zámer nakupujúceho online.

  2. V rozbaľovacej ponuke Stĺpec vyberte stĺpec, ktorý obsahuje výsledok. Pre vzorové údaje vyberte Výnosy (štítok). Alebo, ak si chcete vyskúšať predpovedanie čísla, vyberte Výjazdové ceny.

  3. Ak ste vybrali množinu možností, ktorá obsahuje dva alebo viac výsledkov, zvážte, či ju chcete namapovať k možnosti „Áno“ alebo „Nie“, keďže chcete predpovedať, či sa niečo stane.

  4. Ak chcete predpovedať viaceré výsledky, použite množinu údajov o elektronickom obchode v Brazílii vo vzorke a vyberte BC objednávka v tabuľke rozbaľovacia ponuka a Časové harmonogramy doručenia v rozbaľovacej ponuke Stĺpec .

Poznámka

AI Builder podporuje tieto typy údajov pre stĺpec výsledkov:

  • Áno/Nie
  • Voľby
  • Celé číslo
  • Desatinné číslo
  • Číslo s pohyblivou desatinnou čiarkou
  • Mena

Vyberte údajové stĺpce, na základe ktorých sa má trénovať váš model

Keď vyberiete Tabuľku a Stĺpec a zmapujete svoj výsledok, môžete vykonať zmeny v stĺpcoch údajov používaných na trénovať model. Predvolene sú vybraté všetky relevantné stĺpce. Výber stĺpcov, ktoré môžu prispievať k nižšej presnosti modelu, môžete zrušiť. Ak neviete, čo tu robiť, nemajte obavy. AI Builder sa pokúsi nájsť stĺpce, ktoré poskytujú najlepší možný model. Pre vzorové údaje ponechajte všetko tak, ako je, a vyberte Ďalej.

Dôležité informácie o výbere údajových stĺpcov

Najdôležitejšia vec, ktorú treba vziať do úvahy, je, či stĺpec, ktorý nie je stĺpcom historického výsledku, nie je nepriamo určovaný výstupom.

Povedzme, že chcete predpovedať, či sa zásielka oneskorí. V údajoch možno máte skutočný dátum doručenia. Tento dátum je prítomný až po doručení objednávky. Ak teda zahrniete tento stĺpec, model bude mať takmer 100-percentnú presnosť. Objednávky, ktoré chcete predpovedať, ešte nebudú doručené a nebudú mať vyplnený stĺpec dátumu doručenia. Preto by ste mali pred trénovaním zrušiť výber stĺpcov, akým je toto. V strojové učenie sa to nazýva cieľový únik alebo únik údajov. AI Builder pokúša filtrovať stĺpce, ktoré sú „príliš dobré na to, aby to bola pravda“, no mali by ste ich aj tak skontrolovať.

Poznámka

Keď vyberáte dátové polia, niektoré dátové typy – napríklad Obrázok, ktoré nemožno použiť ako vstup na trénovanie modelu – sa nezobrazia. Systémové stĺpce, ako napríklad Čas vytvorenia, sú predvolene vylúčené.

Ak máte súvisiace tabuľky, ktoré by mohli zvýšiť výkon predpovedania, môžete ich zahrnúť tiež. Rovnako ako v prípade, keď ste chceli predpovedať, či dôjde k odchodu zákazníka, mali by ste do samostatnej tabuľky zahrnúť ďalšie informácie. AI Builder v súčasnosti podporuje mnohostranné vzťahy.

Filtrovanie údajov

Po výbere údajových stĺpcov na trénovanie môžete údaje filtrovať. Vaše tabuľky budú obsahovať všetky riadky. Možno by ste sa chceli koncentrovať na trénovanie a predpovedanie na podmnožine riadkov. Ak viete, že tabuľka, ktorú používate na trénovanie modelu, obsahuje aj irelevantné údaje, v tomto kroku ich môžete odfiltrovať.

Ak napríklad použijete filter, aby sa pozornosť sústredila len na oblasť Spojených štátov, model bude trénovať na riadkoch, pre ktoré je známy výstup len pre oblasť Spojených štátov. Pri trénovaní tohto modelu sa budú vytvárať predpovede len pre riadky, pre ktoré nie je známy výstup len pre oblasť Spojených štátov.

Filtrovanie funguje rovnako ako v Editore zobrazenia služby Power Apps. Začnite pridaním:

  • Riadka, ktorý obsahuje jednu podmienku filtra.
  • Skupiny, ktorá umožňuje vnoriť podmienky filtra.
  • Súvisiacej tabuľky, ktorá umožňuje vytvoriť podmienku filtra v rámci súvisiacej tabuľky.

Vyberte stĺpec, operátor a hodnotu, ktorá reprezentuje podmienku filtra. Pomocou začiarkavacích políčok môžete riadky zoskupiť alebo ich hromadne odstrániť.

Nasledujúci krok

Trénujte a publikujte svoj predikcia model