Share via

Ein neues Vorhersagemodell erstellen

  • Artikel

In diesem Beispiel wird ein Power Apps-Vorhersage-KI-Modell erstellt, das die Tabelle „Online Shopper Intention“ in Microsoft Dataverse verwendet. Um diese Beispieldaten in Ihrer Microsoft Power Platform-Umgebung abzurufen, aktivieren Sie die Beispiel-Apps und Beispieldaten bereitstellen-Einstellung, wenn Sie eine Umgebung erstellen, wie in Erstellen eines Modells in AI Builder beschrieben. Oder befolgen Sie die unter Datenvorbereitung beschriebenen ausführlicheren Anweisungen. Wenn sich Ihre Beispieldaten in Dataverse befinden, führen Sie diese Schritte aus, um Ihr Modell zu erstellen.

  1. Bei Power Apps oder Power Automate anmelden.

  2. Wählen Sie im linken Bereich ... Mehr>KI-Hub.

  3. Wählen Sie unter Eine KI-Fähigkeit entdeckenKI-Modelle aus.

    (Optional) Um KI-Modelle für einen einfachen Zugriff dauerhaft im Menü zu behalten, wählen Sie das Stecknadelsymbol aus.

  4. Wählen Sie Vorhersage – Zukünftige Ergebnisse aus historischen Daten vorhersagen aus.

  5. Wählen Sie Benutzerdefiniertes Modell erstellen aus.

Auswählen Ihres historischen Ergebnisses

Überlegen Sie sich, welche Vorhersagen der AI Builder machen soll. Für die Frage „Wird dieser Kunde abwandern?“ sollten Sie beispielsweise Folgendes berücksichtigen:

  • Wo befindet sich die Tabelle, die Informationen zur Kundenabwanderung enthält?
  • Gibt es dort eine Spalte, die speziell angibt, ob der Kunde abgewandert ist?
  • Gibt es Unbekannte in einer Spalte, die zu Unsicherheiten führen könnten?

Verwenden Sie diese Informationen, um eine Auswahl zu treffen. Wenn Sie mit den bereitgestellten Beispieldaten arbeiten, lautet die Frage: „Hat dieser Benutzer, der mit meinem Onlineshop interagiert hat, etwas gekauft?“. Wenn ja, sollte es Umsatz für diesen Kunden geben. Deshalb ist in diesem Fall die Frage, ob mit diesem Kunden Umsatz generiert wurde, das historisches Ergebnis. Wenn es zu dieser Frage keine Daten gibt, kann der AI Builder Ihnen dabei helfen, eine Vorhersage zu treffen.

  1. Wählen Sie im Dropdownmenü Tabelle die Tabelle aus, die die Daten und das Ergebnis enthält, zu dem Sie eine Vorhersage treffen möchten. Wenn Sie die Beispieldaten verwenden, wählen Sie Absicht des Onlinekäufers aus.

  2. Wählen Sie im Dropdownmenü Spalte die Spalte mit dem Ergebnis aus. Für die Beispieldaten lautet das Feld Revenue (Label). Wenn Sie alternativ die Vorhersage einer Zahl testen möchten, wählen Sie ExitRates aus.

  3. Wenn Sie einen Optionssatz ausgewählt haben, der zwei oder mehr Ergebnisse enthält, sollten Sie eine Zuordnung zu „Ja“ oder „Nein“ in Betracht ziehen, da Sie vorhersagen möchten, ob etwas passieren wird.

  4. Wenn Sie mehrere Ergebnisse vorhersagen möchten, verwenden Sie den brasilianischen E-Commerce-DataSet in der Stichprobe, und wählen Sie BC-Bestellung in dem Dropdownmenü Tabelle und Lieferfristen in dem Dropdownmenü Spalte aus.

Anmerkung

AI Builder unterstützt diese Datentypen für die Ergebnisspalte:

  • Ja/Nein
  • Choices
  • Ganze Zahl
  • Dezimalzahl
  • Gleitkommazahl
  • Währung

Wählen Sie die Datenspalten zum Trainieren Ihres Modells

Nachdem Sie die Tabelle und die Spalte ausgewählt und das Ergebnis zugeordnet haben, können Sie Änderungen an den Datenspalten vornehmen, die zum Trainieren des Modells verwendet werden. Standardmäßig sind alle relevanten Spalten ausgewählt. Sie können Spalten abwählen, die zu einem weniger genauen Modell beitragen könnten. Wenn Sie nicht wissen, was Sie hier tun sollen, machen Sie sich keine Sorgen. AI Builder versucht, Spalten zu finden, um das bestmögliche Modell bereitzustellen. Lassen Sie für die Beispieldaten alles unverändert, und wählen Sie Weiter aus.

Überlegungen zur Auswahl von Datenspalten

Wichtig ist dabei, dass eine Spalte, die nicht Ihre historische Ergebnisspalte ist, indirekt durch das Ergebnis bestimmt wird.

Angenommen, Sie möchten vorhersagen, ob sich eine Lieferung verspäten wird. Möglicherweise enthalten Ihre Daten das tatsächliche Lieferdatum. Dieses Datum ist erst vorhanden, nachdem der Auftrag geliefert wurde. Wenn Sie also diese Spalte einbeziehen, hat das Modell eine Genauigkeit von fast 100 Prozent. Die Aufträge, die Sie vorhersagen wollen, sind noch nicht geliefert worden und haben die Spalte Lieferdatum nicht ausgefüllt. Sie sollten also solche Spalten vor dem Training abwählen. Beim Machine Learning wird dies als Datenleck (engl. Target Leakage oder Data Leakage) bezeichnet. AI Builder versucht, Spalten zu filtern, die „zu gut sind, um wahr zu sein“, aber Sie sollten sie trotzdem prüfen.

Notiz

Bei der Auswahl von Datenfeldern werden einige Datentypen, wie „Bild“, die nicht als Eingabe zum Trainieren des Modells verwendet werden können, nicht angezeigt. Darüber hinaus werden Systemspalten wie Erstellt am standardmäßig ausgeschlossen.

Wenn Sie über verwandte Tabellen verfügen, die möglicherweise die Leistung der Vorhersage verbessern, können Sie diese ebenfalls einschließen. So wie Sie vorgegangen sind, als Sie vorhersagen wollten, ob ein Kunde abwandern wird, sollten Sie zusätzliche Informationen einfügen, die sich möglicherweise in einer anderen Tabelle befinden. AI Builder unterstützt zum Zeitpunkt der Erstellung dieses Dokuments keine m:1-Beziehungen.

Ihre Daten filtern

Nachdem Sie Datenspalten für das Training ausgewählt haben, können Sie Ihre Daten filtern. Ihre Tabellen enthalten alle Zeilen. Allerdings sollten Sie sich auf das Training und Vorhersagen für eine Teilmenge der Zeilen konzentrieren. Wenn Sie wissen, dass sich in derselben Tabelle, die Sie zum Trainieren eines Modells verwenden, irrelevante Daten befinden, können Sie sie in diesem Schritt filtern.

Wenn Sie z. B. einen Filter anwenden, um nur die US-Region zu betrachten, wird das Modell mit Zeilen trainiert, bei denen das Ergebnis nur für die US-Region bekannt ist. Beim Trainieren dieses Modells wird nur eine Vorhersage für Zeilen erstellt, bei denen das Ergebnis nur für die US-Region nicht bekannt ist.

Die Benutzeroberfläche zur Filterung ist mit der im Ansichts-Editor von Power Apps identisch. Beginnen mit:

  • Eine Zeile, die eine einzelne Filterbedingung enthält.
  • Eine Gruppe, mit der Sie die Filterbedingungen schachteln können.
  • Eine verwandte Tabelle, die Ihnen ermöglicht, eine Filterbedingung für eine verwandte Tabelle zu erstellen.

Wählen Sie die Spalte, den Operator und den Wert, der eine Filterbedingung darstellt. Sie können die Kontrollkästchen zum Gruppieren von Zeilen oder zur Massenlöschung von Zeilen verwenden.

Nächster Schritt

Vorhersagemodell trainieren und veröffentlichen