Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
La structure d’exploration de données que vous avez créée dans la leçon précédente contient un modèle d’exploration de données unique basé sur l’algorithme Microsoft Decision Trees. Vous pouvez utiliser ce modèle pour identifier les clients pour la campagne de publipostage ciblée. Toutefois, pour vous assurer que votre analyse est approfondie, il est courant de créer des modèles connexes à l’aide d’algorithmes différents et de comparer leurs résultats. De cette façon, vous pouvez également obtenir des insights différents. Par conséquent, vous allez créer deux modèles supplémentaires, puis traiter et déployer les modèles.
Dans cette leçon, vous allez créer un ensemble de modèles d’exploration de données qui suggéreront les clients les plus probables d’une liste de clients potentiels.
Pour effectuer les tâches de cette leçon, vous allez utiliser l’algorithme de clustering Microsoft et l’algorithme Microsoft Naive Bayes.
Cette leçon contient les tâches suivantes :