Vytvoření prediktivního modelu
Tento příklad vytvoří model AI predikce Power Apps, který používá tabulku záměrů online nakupujících v Microsoft Dataverse. Chcete-li načíst tato ukázková data do svého prostředí Microsoft Power Platform, povolte nastavení Nasadit ukázkové aplikace a data při vytvoření prostředí, jak je popsáno v tématu Sestavení modelu v nástroji AI Builder. Můžete také postupovat podle podrobnějších pokynů v tématu Příprava dat. Jakmile budete mít ukázková data ve službě Dataverse, vytvořte model podle těchto kroků.
Přihlaste se do Power Apps nebo Power Automate.
V levém podokně vyberte ... Další>Centrum AI.
V části Objevte schopnosti AI vyberte Modely AI.
(Volitelné) Chcete-li ponechat modely AI trvale v nabídce pro snadný přístup, vyberte ikonu špendlíku.
Vyberte Predikce - Předvídejte budoucí výsledky z historických dat.
Vyberte Vytvořit vlastní model.
Výběr historického výsledku
Zamyslete se nad předpovědí, kterou má AI Builder vytvořit. Pokud vás například zajímá, jestli budete ztrácet zákazníky, mohou vaše otázky znít takto:
- Kde je tabulka, která obsahuje informace o fluktuaci zákazníků?
- Existuje sloupec, který výslovně uvádí, jestli zákazník odešel?
- Obsahuje sloupec nějakou neznámou, která by mohla způsobovat nejistotu?
Tyto informace vám budou sloužit k vytvoření výběrů. Při práci s poskytnutými ukázkovými daty vyvstává otázka, zda tento uživatel, který interagoval s mým internetovým obchodem, nakoupil. Pokud ano, měl by tento zákazník mít příjem. Případná tržba od tohoto zákazníka tak představuje váš historický výsledek. Všude, kde tento údaj chybí, vám AI Builder může s vytvořením předpovědi pomoci.
V rozevírací nabídce Tabulka vyberte tabulku, která obsahuje data a předpovídaný výsledek. V případě ukázkových dat vyberte Online shopper intention (Záměr online nakupujících).
V rozevírací nabídce Sloupec vyberte sloupec, který obsahuje výsledek. U ukázkových dat vyberte Revenue (Label) (Tržba (Popisek)). Nebo pokud budete chtít zkusit číslo předpovědět, vyberte ExitRates.
Pokud jste vybrali sadu možností, která obsahuje dva nebo více výsledků, zvažte možnost namapovat ji na výsledky „Ano“ a „Ne“, protože chcete předpovědět, jestli se něco stane.
Pokud chcete předpovědět více výsledků, použijte v ukázce brazilskou datovou sadu elektronického obchodování a vyberte Objednávka BC v rozevírací nabídce Tabulka a Termíny dodání v rozevírací nabídce Sloupec.
Poznámka:
AI Builder podporuje tyto datové typy u sloupce výsledků:
- Ano/Ne
- Choices
- Celé číslo
- Desetinné číslo
- Číslo s plovoucí desetinnou čárkou
- Měna
Výběr datových sloupců pro trénování modelu
Po výběru Tabulky a Sloupce a namapování výsledku můžete provést změny v datových sloupcích, které se použijí k trénování modelu. Ve výchozím nastavení jsou zvoleny všechny relevantní sloupce. Výběr sloupců, které by mohly snižovat přesnost modelu, můžete zrušit. Pokud si nejste jistí, co udělat, nedělejte si starosti. AI Builder se pokusí vyhledat sloupce, které poskytují nejlepší možný model. V případě ukázkových dat prostě nechte všechna pole tak, jak jsou, a vyberte Další.
Důležité informace při výběru datových sloupců
Nejdůležitější věc, kterou je potřeba zvážit, je to, jestli sloupec, který není sloupcem historického výsledku, není nepřímo určen výsledkem.
Představte si, že chcete předpovědět, jestli dojde ke zpoždění zásilky. Ve vašich datech můžete mít skutečné datum doručení. Toto datum je k dispozici až po doručení objednávky. Takže pokud zahrnete tento sloupec, bude mít model téměř 100procentní přesnost. Objednávky, pro které chcete získat předpověď, ještě nejsou doručené a nebudou mít sloupec s datem doručení vyplněné. Proto byste před trénováním měli výběr takovýchto sloupců zrušit. Ve strojovém učení se toto nazývá únik cílových proměnných nebo únik dat. AI Builder se snaží odfiltrovat sloupce, která jsou „příliš dobré na to, aby to byla pravda“, ale přesto byste je měli sami zkontrolovat.
Poznámka:
Při výběru datových polí se nezobrazí některé datové typy – například obrázek, které nelze použít jako vstup – k trénování modelu. Kromě toho jsou standardně vyloučeny systémové sloupce, jako je datum vytvoření.
Použití dat ze souvisejících tabulek
Pokud máte související tabulky, které mohou vylepšit výkon predikce, můžete je také zahrnout. Stejně jako jste chtěli předpovědět, zda přijdete o zákazníka, měli byste zahrnout další informace, které mohou být v samostatné tabulce. AI Builder v současné době podporuje relace N:1.
Filtrování dat
Po výběru datových sloupců pro trénování můžete filtrovat svoje data. Vaše tabulky budou obsahovat všechny řádky. Možná se ale budete chtít soustředit na trénování a předpovídání u podmnožiny řádků. Pokud víte, že ve stejné tabulce, kterou používáte k trénování modelu, existují irelevantní data, můžete je pomocí tohoto kroku odfiltrovat.
Pokud například použijete filtr, abyste se podívali pouze na region USA, model se vytrénuje na řádcích, kde je výsledek známý pouze pro USA. Po vytrénování model provede předpověď pouze pro řádky, kde není výsledek známý pouze pro USA.
Filtrování je stejné jako v editoru zobrazení Power Apps. Začněte přidáním:
- řádku, který obsahuje jednu podmínku filtru;
- skupiny, která umožňuje vnořit vaše podmínky filtru;
- Související tabulka, která vám umožní vytvořit podmínku filtru u související tabulky.
Vyberte sloupec, operátor a hodnotu, která představuje podmínku filtru. Pomocí zaškrtávacích políček můžete seskupit řádky nebo řádky hromadně odstranit.