Mejorar el modelo de predicción

Este artículo describe las características que puede utilizar para mejorar el rendimiento de los modelos de predicción. Empezará a mejorar tu modelo en el espacio de trabajo Predicciones de pago de clientes, en Microsoft Dynamics 365 Finance. Luego, los pasos de mejora se completan en AI Builder.

Seleccionar resultados históricos

Primero seleccione uno o más de los tres posibles resultados para las facturas: Puntual, Tarde y Muy tarde. Deben seleccionarse los tres resultados. Si borra la selección de cualquiera de los resultados, las facturas se filtrarán fuera del proceso de capacitación y se reducirá la precisión de la predicción.

Si su organización requiere solo dos resultados, cambie los umbrales Tarde y Muy tarde a 0 (cero) días. De esta manera, colapsa efectivamente la predicción a un estado binario de Puntual o Tarde.

Seleccionar campos

Cuando seleccione campos para incluirlos en el modelo, tenga en cuenta que la lista incluye todos los campos disponibles en la tabla Microsoft Dataverse que se asigna a los datos en el lago de datos de Azure. Algunos de estos campos no deberían seleccionarse. Los campos que no deben seleccionarse pertenecen a una de estas tres categorías:

• El campo es obligatorio para la tabla Dataverse, pero no hay datos de respaldo para ella en el lago de datos.
• El campo es un id. y, por lo tanto, no tiene sentido para una función de aprendizaje automático.
• El campo representa información que no estará disponible durante la predicción.

Las siguientes secciones muestran los campos que están disponibles para la factura y las entidades del cliente, y enumeran los campos que no deben seleccionarse para el entrenamiento. La categoría que se especifica para cada uno de esos campos se refiere a las categorías de la lista anterior.  

Tabla de Dataverse de factura

La siguiente ilustración muestra los campos que están disponibles para la tabla de factura.

Los siguientes campos no deben seleccionarse para el entrenamiento:

• Cuenta de factura (categoría 2)
• Está cerrado (categoría 3): este campo se utiliza para filtrar facturas para entrenamiento (cerrado) y predicción (no cerrado).
• Nombre (categoría 1)
• Id. de origen (categoría 2)
• Registro de origen (categoría 2)
• Tabla de origen (categoría 2)

Tabla de Dataverse de cliente

La siguiente ilustración muestra los campos que están disponibles para la tabla de cliente.

El campo siguiente no debe seleccionarse para el entrenamiento:

• Clave única de fila (categoría 2)

Filtros

Puede filtrar las facturas que se utilizan para la formación estableciendo criterios de filtrado para los campos de la factura o en las tablas de clientes. Por ejemplo, puede establecer un umbral para incluir solo las facturas en las que el total sea igual o superior a una cantidad específica. Alternativamente, puede excluir facturas asociadas con clientes en un grupo de clientes específico.

Para obtener más información sobre cómo filtrar sus datos, consulte Crea un modelo de predicción.