Deli putem

Kreiranje modela predviđanja

  • Članak

U ovom primeru kreira se Power Apps predviđanje AI koji koristi tabelu "Namera kupca na mreži" Microsoft Dataverse. Da biste dobili ove probne podatke u okruženje Microsoft Power Platform , omogućite primenu probnih aplikacija i postavki podataka kada kreirate okruženje kao što je opisano u opciji "Izrada modela" AI Builder. Ili sledite detaljnija uputstva u pripremi podataka. Kada se probni podaci uuste Dataverse, sledite ove korake da biste kreirali model.

  1. Prijavljivanje u Power Apps ili Power Automate.

  2. U levom oknu izaberite ... Još>AI čvorišta.

  3. U okviru Otkrijte AI mogućnost, izaberite AI modele.

    (Opcionalno) Da biste trajno zadržali AI modele u meniju radi lakog pristupa, izaberite ikonu pin-a.

  4. Select predviđanje - Predvideti buduće ishode iz istorijskih podataka.

  5. Izaberite stavku Kreiraj prilagođeni model.

Izaberite svoj istorijski ishod

Razmislite o predviđanje želite da AI Builder napravite. Na primer, za pitanje "Da li će se ova mušterija iznenaditi?", razmislite o pitanjima kao što su ova:

  • Gde se nalazi tabela koja sadrži informacije o kupcu churn?
  • Da li tamo postoji kolona u kojoj se konkretno navodi da li je kupac churned?
  • Ima li nepoznanica u koloni koje mogu izazvati neizvesnost?

Koristite ove informacije da biste napravili izbor. Radeći sa obezbeđenim probnim podacima, postavlja se pitanje "da li je ovaj korisnik koji je bio u interakciji sa mojom online prodavnicom obavio kupovinu?" Ako jesu, trebalo bi da bude prihoda za tu mušteriju. Stoga, da li ima prihoda za ovu mušteriju treba da bude istorijski ishod. Gde god da su ove informacije prazne, to je AI Builder mesto gde vam može pomoći da napravite predviđanje.

  1. U padajućem meniju Tabele izaberite tabelu koja sadrži podatke i ishod koji želite da predvidite. Za probne podatke izaberite nameru kupca na mreži.

  2. U padajućem meniju Kolona izaberite kolonu koja sadrži ishod. Za probne podatke izaberite prihod (oznaka). Ili, ako želite da isprobate predviđanje broja, izaberite stavku Izlazni tasteri.

  3. Ako ste izabrali skup opcija koji sadrži dva ili više ishoda, razmislite o tome da ga mapite na "Da" ili "Ne" jer želite da predvidite da li će se nešto desiti.

  4. Ako želite da predvidite više ishoda, koristite brazilski skup podataka za e-trgovinu u uzorku, a zatim u padajućem meniju "Tabela " izaberite stavku "Redosled porudžbine " i "Vremenske ose isporuke".

Belešku

AI Builder podržava ove tipove podataka za kolonu ishoda:

  • Da/Ne
  • Izbori
  • Ceo broj
  • Decimalni broj
  • Broj sa pokretnim zarezom
  • Valuta

Izaberite kolone sa podacima za unušajte model

Nakon što izaberete tabelu i kolonu i mapirate ishod, možete da promenite kolone podataka koje se koriste za obuku modela. Podrazumevano su izabrane sve relevantne kolone. Možete da oeseleksite kolone koje mogu doprineti manje preciznom modelu. Ako ne znaš šta da radiš ovde, ne brini. AI Builder pokušaće da pronađe kolone koje obezbeđuju najbolji mogući model. Za probne podatke, ostavite sve kako jeste i kliknite na dugme Dalje .

Razmatranja izbora kolone sa podacima

Najvažnija stvar koju ovde treba uzeti u obzir je da li je kolona koja nije vaša istorijska kolumna indirektno određena ishodom.

Recimo da želite da predvidite da li će pošiljka biti odložena. Možda imate stvarni datum isporuke u podacima. Taj datum je prisutan tek nakon isporuke porudžbine. Dakle, ako uključite ovu kolumnu, model će imati blizu 100 procenata preciznosti. Porudžbine koje želite da predvidite još uvek neće biti isporučene i neće biti popunjene kolone datuma isporuke. Dakle, trebalo bi da oskrnadate ovakve kolone pre treninga. U Mašinsko učenje, ovo se zove curenje meta ili curenje podataka. AI Builder pokušava da filtrira kolone koje su "suviše dobre da bi istinite", ali bi ipak trebalo da ih proverite.

Belešku

Kada birate polja podataka, neki tipovi podataka – kao što je Slika, koji se ne mogu koristiti kao unos za obuku modela – nisu prikazani. Pored toga, sistemske kolone kao što je "Kreirano uključeno" podrazumevano su isključene.

Ako imate povezane tabele koje mogu poboljšati performanse predviđanje, možete ih uključiti i. Kao što ste uradili kada ste želeli da predvidite da li će kupac da se izdubi, trebalo bi da uključite dodatne informacije koje se mogu naći u posebnoj tabeli. AI Builder podržava "broj jedan-prema-jedan odnosi u ovom trenutku.

Filtriranje podataka

Kada izaberete kolone podataka za obuku, možete da filtrirate podatke. Tabele će sadržati sve redove. Međutim, možda ćete želeti da se koncentrišete na obuku i predviđanje podskupa redova. Ako znate da postoje nebitni podaci unutar iste tabele koju koristite za obuku modela, možete da koristite ovaj korak da biste ga filtrirali.

Na primer, ako primenite filter da biste pogledali samo američki region, model će se obučavati u redovima u kojima je ishod poznat samo za američki region. Kada se ovaj model obuči, on će samo predviđanje za redove u kojima ishod nije poznat samo po američkom regionu.

Iskustvo filtriranja je isto kao i u uređivaču Power Apps prikaza. Počnite tako što ćete dodati:

  • Red koji sadrži jedan uslov filtera.
  • Grupa koja vam omogućava da ugnezdite uslove filtera.
  • Povezana tabela koja vam omogućava da kreirate uslov filtera u povezanoj tabeli.

Izaberite kolonu, operator i vrednost koja predstavlja uslov filtera. Polja za potvrdu možete da koristite za grupisanje redova ili za masovno brisanje redova.

Sledeći korak

Obučite i objavite svoj predviđanje model