Ler en inglés

Compartir por


Crear un modelo de predición

Este exemplo crea un modelo de IA Power Apps predición que utiliza a táboa de intencións do comprador en liña Microsoft Dataverse. Para incorporar estes datos de mostra ao teu Microsoft Power Platform entorno, activa a opción Impregar aplicacións e datos de mostra ao crear un ambiente como se describe en Construír un modelo en AI Builder. Ou siga as instrucións máis detalladas en Preparación de datos. Despois de que os datos de mostra estean en Dataverse, siga estes pasos para crear o seu modelo.

  1. Inicia sesión en Power Apps ou Power Automate.

  2. No panel esquerdo, selecciona ... Máis>Concentrador AI.

  3. En Descubra unha capacidade de IA, selecciona Modelos de IA.

    (Opcional) Para manter os modelos de IA permanentemente no menú para acceder facilmente, selecciona a icona de alfinete.

  4. Seleccione predición: prever resultados futuros a partir de datos históricos.

  5. Seleccione Crear modelo personalizado.

Seleccione o seu resultado histórico

Pensa no predición que queres AI Builder facer. Por exemplo, para a pregunta "Este cliente abandonará?", pense en preguntas como estas:

  • Onde está a táboa que contén información sobre o abandono de clientes?
  • Hai alí unha columna que indique especificamente se o cliente revolveu?
  • Hai incógnitas nunha columna que poidan causar incerteza?

Use esta información para facer as súas seleccións. Traballando cos datos de mostra proporcionados, a pregunta é "este usuario que interactuou coa miña tenda en liña fixo unha compra?" Se o fixesen, debería haber ingresos para ese cliente. Polo tanto, se hai ingresos para este cliente debería ser o resultado histórico. Onde queira que esta información estea baleira é onde AI Builder pode axudarche a facer un predición.

  1. No menú despregable Táboa , seleccione a táboa que contén os datos e o resultado que quere prever. Para os datos de mostra, selecciona Intención do comprador en liña.

  2. No menú despregable Columna , seleccione a columna que contén o resultado. Para os datos de mostra, seleccione Ingresos (etiqueta). Ou, se queres probar a predicir un número, selecciona Taxas de saída.

  3. Se seleccionaches un conxunto de opcións que contén dous ou máis resultados, considera asignalo a "Si" ou "Non" porque queres prever se vai ocorrer algo.

  4. Se queres prever varios resultados, utiliza o conxunto de datos de comercio electrónico brasileiro na mostra e selecciona Orde BC na Táboa menú despregable e Prazos de entrega no menú despregable Columna .

Nota

AI Builder admite estes tipos de datos para a columna de resultados:

  • Si/Non
  • Eleccións
  • Número enteiro
  • Número decimal
  • Número de punto flotante
  • Moeda

Seleccione as columnas de datos para adestrar o seu modelo

Despois de seleccionar a Táboa e Columna e mapear o resultado, podes facer cambios nas columnas de datos utilizadas para adestrar o modelo. Por defecto, todas as columnas relevantes están seleccionadas. Pode deseleccionar as columnas que poden contribuír a un modelo menos preciso. Se non sabes que facer aquí, non te preocupes. AI Builder tentará atopar columnas que proporcionen o mellor modelo posible. Para os datos de mostra, só tes que deixar todo como está e seleccionar Seguinte.

Consideracións sobre a selección da columna de datos

O máis importante a considerar aquí é se unha columna que non é a túa columna de resultados históricos está determinada indirectamente polo resultado.

Digamos que queres prever se un envío se vai atrasar. Podes ter a data de entrega real nos teus datos. Esa data só está presente despois da entrega do pedido. Polo tanto, se inclúe esta columna, o modelo terá unha precisión próxima ao 100 por cento. Os pedidos que queres prever aínda non se entregarán e non se encherá a columna da data de entrega. Polo tanto, debes deseleccionar columnas como esta antes do adestramento. En Aprendizaxe automático, isto denomínase fuga de destino ou fuga de datos. AI Builder tenta filtrar as columnas que son "demasiado boas para ser verdadeiras", pero aínda así deberías verificalas.

Nota

Cando seleccionas campos de datos, algúns tipos de datos, como Imaxe, que non se poden usar como entrada para adestrar o modelo, non se mostran. Ademais, as columnas do sistema como Created On están excluídas por defecto.

Se tes táboas relacionadas que poden mellorar o rendemento do predición, tamén podes incluílas. Como fixeches cando querías predecir se un cliente perderá, deberías incluír información adicional que podería estar nunha táboa separada. AI Builder admite relacións de varios a un neste momento.

Filtrar os datos

Despois de seleccionar as columnas de datos para o adestramento, pode filtrar os seus datos. As túas táboas conterán todas as filas. Non obstante, pode querer concentrarse en adestrar e predicir nun subconxunto de filas. Se sabes que hai datos irrelevantes dentro da mesma táboa que estás a usar para adestrar un modelo, podes usar este paso para filtralo.

Por exemplo, se aplicas un filtro para mirar só a rexión dos EE. UU., o modelo adestrarase nas filas onde o resultado só se coñece para a rexión dos EUA. Cando este modelo estea adestrado, só fará un predición para as filas onde non se coñece o resultado só para a rexión dos EUA.

A experiencia de filtrado é a mesma que no Power Apps editor de vista. Comeza engadindo:

  • Unha fila, que contén unha única condición de filtro.
  • Un grupo, que che permite aniñar as condicións do teu filtro.
  • Unha táboa relacionada, que lle permite crear unha condición de filtro nunha táboa relacionada.

Seleccione a columna, o operador e o valor que representa unha condición de filtro. Podes usar as caixas de verificación para agrupar filas ou eliminar filas en masa.

Seguinte paso

Adestra e publica o teu modelo predición