Crear un model de predicció
Aquest exemple crea un Power Apps model predicció IA que utilitza la taula Intenció del comprador en línia Microsoft Dataverse. Per obtenir aquestes dades d'exemple al vostre Microsoft Power Platform entorn, habiliteu la configuració Implementa aplicacions i dades d'exemple quan creeu un entorn tal com es descriu a Crea un model en AI Builder. O bé, seguiu les instruccions més detallades a Preparació de dades. Un cop hàgiu activat Dataverse les dades d'exemple, seguiu aquests passos per crear-lo.
Inicieu sessió a Power Apps OR Power Automate.
A la subfinestra esquerra, seleccioneu ... Més>hub d'IA.
A Descobreix una capacitat d'IA, seleccioneu models d'IA.
(Opcional) Per mantenir els models d'IA permanentment al menú i accedir-hi fàcilment, seleccioneu la icona de xinxeta.
Seleccionar predicció - Predir resultats futurs a partir de dades històriques.
Seleccioneu Crea un model personalitzat.
Seleccioneu el resultat de l'historial
Penseu en la predicció que voleu AI Builder fer. Per exemple, per a la pregunta "Es mourà aquest client?", penseu en preguntes com aquestes:
- On és la taula que conté informació sobre la rotació de clients?
- Hi ha alguna columna que indiqui específicament si el client s'ha mogut?
- Hi ha incògnites en una columna que puguin causar incertesa?
Utilitzeu aquesta informació per fer les vostres seleccions. Treballant amb dades de mostra proporcionades, la pregunta és "aquest usuari que va interactuar amb la meva botiga en línia va fer una compra?" Si ho fessin, hi hauria d'haver ingressos per a aquest client. Per tant, si hi ha ingressos per a aquest client hauria de ser el resultat històric. Allà on aquesta informació està buida és on AI Builder us pot ajudar a fer una predicció.
Al menú desplegable Taula , seleccioneu la taula que conté les dades i el resultat que voleu predir. Per veure les dades d'exemple, seleccioneu Intenció del comprador en línia.
Al menú desplegable Columna , seleccioneu la columna que conté el resultat. A les dades d'exemple, seleccioneu Ingressos (etiqueta). O bé, si voleu provar de predir un número, seleccioneu ExitRates.
Si heu seleccionat un conjunt d'opcions que conté dos o més resultats, penseu a assignar-lo a "Sí" o "No" perquè voleu predir si passarà alguna cosa.
Si voleu predir diversos resultats, utilitzeu el conjunt de dades de comerç electrònic brasiler de la mostra i seleccioneu Comanda BC al menú desplegable Taula i Terminis de lliurament al menú desplegable Columna.
Nota
AI Builder Admet aquests tipus de dades per a la columna Resultat:
- Sí/No
- Selecció múltiple
- Número enter
- Nombre decimal
- Nombre de coma flotant
- Moneda
Seleccioneu les columnes de dades per entrenar el model
Després de seleccionar la taula i la columna i assignar el resultat, podeu fer canvis a les columnes de dades utilitzades per entrenar el model. Per defecte, se seleccionen totes les columnes rellevants. Podeu desseleccionar les columnes que puguin contribuir a un model menys precís. Si no saps què fer aquí, no et preocupis. AI Builder intentarà trobar columnes que proporcionin el millor model possible. Per a les dades d'exemple, deixeu-ho tot tal qual i seleccioneu Següent.
Consideracions de selecció de columnes de dades
El més important que cal tenir en compte aquí és si una columna que no és la vostra columna de resultats de l'historial està determinada indirectament pel resultat.
Suposem que voleu predir si un enviament es retardarà. És possible que tingueu la data de lliurament real a les vostres dades. Aquesta data només està present després del lliurament de la comanda. Per tant, si incloeu aquesta columna, el model tindrà una precisió propera al 100 per cent. Les comandes que vulgueu predir encara no s'hauran lliurat i no ompliran la columna de la data de lliurament. Per tant, hauríeu de desseleccionar columnes com aquesta abans de l'entrenament. En Aprenentatge automàtic, això s'anomena fuga d'objectius o fuga de dades. AI Builder Intenta filtrar les columnes que són "massa bones per ser certes", però encara hauríeu de comprovar-les.
Nota
Quan seleccioneu camps de dades, alguns tipus de dades, com ara Imatge, que no es poden utilitzar com a entrada per entrenar el model, no es mostren. A més, les columnes del sistema com Created On estan excloses per defecte.
Utilitzar dades de taules relacionades
Si teniu taules relacionades que poden millorar el rendiment del predicció, també podeu incloure-les. Tal com vau fer quan volíeu predir si un client es produirà, heu d'incloure informació addicional que podria estar en una taula separada. AI Builder Admet relacions de molts a un en aquest moment.
Filtreu les vostres dades
Després de seleccionar columnes de dades per a la formació, podeu filtrar les dades. Les taules contindran totes les files. Tanmateix, és possible que vulgueu concentrar-vos en l'entrenament i la predicció en un subconjunt de files. Si sabeu que hi ha dades irrellevants a la mateixa taula que utilitzeu per entrenar un model, podeu utilitzar aquest pas per filtrar-les.
Per exemple, si apliqueu un filtre per mirar només la regió dels EUA, el model s'entrenarà en files on el resultat només es coneix per a la regió dels EUA. Quan aquest model s'entreni, només farà un predicció per a files on el resultat no es coneix només per a la regió nord-americana.
L'experiència de filtratge és la mateixa que a l'editor de Power Apps visualitzacions. Comenceu afegint:
- Una fila, que conté una única condició de filtre.
- Un grup, que us permet imbricar les condicions del filtre.
- Una taula relacionada, que us permet crear una condició de filtre en una taula relacionada.
Seleccioneu la columna, l'operador i el valor que representa una condició de filtre. Pots utilitzar les caselles per agrupar files o per eliminar files de manera massiva.