Crear un modelo de predicción

Este ejemplo crea un modelo de predicción de IA en Power Apps que usa la tabla Intención del comprador en Microsoft Dataverse. Para obtener estos datos de muestra en su entorno de Microsoft Power Platform, habilite el ajuste Implementar aplicaciones y datos de ejemplo cuando crea un entorno como se describe en Crear un modelo en AI Builder. También puede seguir las instrucciones más detalladas que encontrará en Preparación de datos. Después de que los datos de ejemplo estén en Dataverse, siga estos pasos para crear el modelo.

1. Inicie sesión en Power Apps o Power Automate.

2. En el panel izquierdo, seleccione ... Más>Centro de IA.

3. En Detectar una capacidad de IA, seleccione Modelos de IA.

   (Opcional) Para mantener modelos de IA permanentemente en el menú para un fácil acceso, seleccione el ícono de marcador.

4. Seleccione Predicción: Predecir resultados futuros a partir de datos históricos.

5. Seleccione Crear un modelo personalizado.

Selección del resultado histórico

Piense en la predicción que quiere que AI Builder cree. Por ejemplo, ante la pregunta "¿Abandonarán este cliente?", piense en preguntas como las siguientes:

• ¿Dónde está la tabla con información sobre el abandono de clientes?
• ¿Hay una columna que indique expresamente si el cliente ha abandonado?
• ¿Hay contenido desconocido en una columna que podría provocar incertidumbres?

Use esta información para efectuar las selecciones. Si trabaja con los datos de ejemplo proporcionados, la pregunta es: "¿Este usuario que interactuó con mi tienda en línea compró algo?". Si lo hicieran, debería haber ingresos para ese cliente. Por lo tanto, si hay ingresos de este cliente, dicho cliente debería ser nuestro resultado histórico. En los casos en los que esta información esté vacía es donde AI Builder podrá ayudarnos a hacer una predicción.

1. En el menú desplegable Tabla, seleccione la tabla que contiene los datos y el resultado que quiere predecir. Respecto a los datos de ejemplo, seleccione Intención del comprador en línea.

2. En el menú desplegable Columna, seleccione la columna que contiene el resultado. Respecto a los datos de ejemplo, seleccione Ingresos (etiqueta). Si quiere intentar predecir un número, seleccione ExitRates.

3. Si ha seleccionado un conjunto de opciones que contiene dos o más resultados, podría asignarlo a "Sí" o "No", puesto que desea predecir si algo sucederá.

4. Si desea predecir varios resultados, utilice el conjunto de datos de comercio electrónico brasileño en la ejemplo y seleccione Orden BC en el menú desplegable Tabla y Plazos de entrega en el menú desplegable Columna.

Nota

AI Builder admite estos tipos de datos para la columna de resultados:

• Sí/No
• Elecciones
• Número entero
• Número decimal
• Número de punto flotante
• Moneda

Seleccione las columnas de datos para entrenar al modelo

Después de seleccionar los valores de Tabla y Columna y de asignar el resultado, se pueden realizar cambios en las columnas de datos usadas para entrenar el modelo. De manera predeterminada, se seleccionan todas las columnas pertinentes. Puede anular la selección de las columnas que pudieran contribuir a generar un modelo menos preciso. Si no sabe qué hacer aquí, no se preocupe. AI Builder intentará encontrar columnas que proporcionen el mejor modelo posible. En el caso de los datos de ejemplo, simplemente déjelo todo tal cual y seleccione Siguiente.

Consideraciones sobre la selección de columnas de datos

Lo más importante que hay que tener en cuenta aquí es si hay alguna columna que no sea la columna de resultados históricos que esté determinada por el resultado.

Supongamos que quiere predecir si un envío se va a retrasar. Es posible que tenga la fecha de entrega real en los datos. Esa fecha solo está presente una vez entregado el pedido. Por lo tanto, si incluye esta columna, el modelo tendrá una precisión aproximada del 100%. Los pedidos que quiere predecir no se habrán entregado todavía, y no se rellenará la columna de fecha de entrega. Por lo tanto, debe anular la selección de columnas como esta antes del entrenamiento. En aprendizaje automático, esto se denomina fuga de destino o pérdida de datos. AI Builder intenta filtrar columnas que son "demasiado buenas", pero debe comprobarlas de todos modos.

Nota

Al seleccionar campos de datos, no se muestran algunos tipos de datos (como Image, que no se pueden usar como entrada para entrenar el modelo). Además, se excluyen de manera predeterminada las columnas de sistema, como Created On.

Uso de tabla de tablas relacionadas

Si tiene tablas relacionadas que pueden mejorar el rendimiento de la predicción, puede incluirlas también. Como hizo cuando quiso predecir si un cliente abandonaría, debe incluir información adicional que podría estar en una tabla separada. En este momento, AI Builder admite relaciones de varios a uno.

Filtrar sus datos

Después de seleccionar las columnas de datos para el entrenamiento, puede filtrar sus datos. Sus tablas contendrán todas las filas. Sin embargo, quizá le convenga concentrarse en el entrenamiento y la predicción de un subconjunto de filas. Si sabe que hay datos que no son pertinentes dentro de la misma tabla que está usando para entrenar un modelo, puede usar este paso para filtrarlos.

Por ejemplo, si aplica un filtro para ver solo la región de EE. UU., el modelo entrenará las filas en los que el resultado solo se conoce para la región de EE. UU. Cuando se entrena este modelo, solo se hará una predicción de las filas en los que no se conozca el resultado solo para la región de EE. UU.

La experiencia de filtrado es igual que en el editor de vistas de Power Apps. Comience agregando:

• Una fila, que contenga una condición de filtro única.
• Un grupo, que le permita anidar las condiciones de filtro.
• Una tabla relacionada, que permite crear una condición de filtro en una tabla relacionada.

Seleccione la columna, el operador y el valor que representa una condición de filtro. Puede usar las casillas para agrupar filas o eliminarlas de manera masiva.

Paso siguiente

Entrenar y publicar su modelo de predicción