Oktatóanyag: Gépi tanulási modell létrehozása a Power BI-ban

Fontos

A Power BI automatizált gépi Tanulás (AutoML) modellek létrehozása az 1- es adatfolyamokhoz megszűnt, és már nem érhető el. Az ügyfeleknek javasoljuk, hogy migrálják a megoldást a Microsoft Fabric AutoML szolgáltatására. További információkért lásd a nyugdíjazási bejelentést.

Ebben az oktatóanyagban automatizált gépi tanulással hozhat létre és alkalmazhat bináris előrejelzési modellt a Power BI-ban. Létrehozhat egy Power BI-adatfolyamot, és az adatfolyamban definiált entitásokkal közvetlenül a Power BI-ban taníthat be és érvényesíthet egy gépi tanulási modellt. Ezután ezzel a modellel új adatokat értékelhet, és előrejelzéseket hozhat létre.

Először létrehoz egy bináris előrejelzési gépi tanulási modellt az online vásárlók vásárlási szándékának előrejelzéséhez az online munkamenet-attribútumaik alapján. Ehhez a gyakorlathoz egy teljesítménymutató gépi tanulási szemantikai modellt használ. A modell betanítása után a Power BI automatikusan létrehoz egy érvényesítési jelentést, amely ismerteti a modell eredményeit. Ezután áttekintheti az érvényesítési jelentést, és alkalmazhatja a modellt az adatokra pontozás céljából.

Ez az oktatóanyag a következő lépésekből áll:

• Adatfolyam létrehozása a bemeneti adatokkal.
• Gépi tanulási modell létrehozása és betanítása.
• Tekintse át a modellérvényesítési jelentést.
• Alkalmazza a modellt egy adatfolyam-entitásra.
• Használja a modellből származó pontszámot egy Power BI-jelentésben.

Adatfolyam létrehozása a bemeneti adatokkal

Hozzon létre egy adatfolyamot bemeneti adatokkal az alábbi lépések végrehajtásával.

Adatok lekérése

Az adatfolyamok létrehozásának első lépése, hogy az adatforrások készen állnak. Ebben az esetben egy gépi tanulási szemantikai modellt használ egy online munkamenetekből, amelyek közül néhány vásárlással tetőzött. A szemantikai modell számos attribútumot tartalmaz ezekről a munkamenetekről, amelyeket a modell betanítása során használ.

A szemantikai modellt az UC Irvine webhelyéről vagy a online_shoppers_intention.csv letöltésével töltheti le. Az oktatóanyag későbbi részében az URL-cím megadásával csatlakozhat a szemantikai modellhez.

A táblák létrehozása

Az adatfolyam entitásainak létrehozásához jelentkezzen be a Power BI szolgáltatás, és navigáljon egy munkaterületre.

1. Ha nincs munkaterülete, hozzon létre egyet úgy, hogy a Bal oldali Power BI navigációs panel Munkaterületek elemét választja, majd a Munkaterület létrehozása lehetőséget választja. A Munkaterület létrehozása panelen adja meg a munkaterület nevét, és válassza a Mentés lehetőséget.

   

2. Válassza az Új lehetőséget az új munkaterület tetején, majd válassza az Adatfolyam lehetőséget.

   

3. Válassza az Új táblák hozzáadása lehetőséget a Power Query-szerkesztő böngészőben való elindításához.

   

4. Az Adatforrás kiválasztása képernyőn válassza a Szöveg/CSV lehetőséget adatforrásként.

   

5. Az adatforráslapra mutató Csatlakozás illessze be a online_shoppers_intention.csv fájlra mutató alábbi hivatkozást a Fájl elérési útja vagy URL-címe mezőbe, majd válassza a Tovább gombot.

   https://raw.githubusercontent.com/santoshc1/PowerBI-AI-samples/master/Tutorial_AutomatedML/online_shoppers_intention.csv

   

6. A Power Query-szerkesztő a CSV-fájlból származó adatok előnézetét jeleníti meg. Ha betöltés előtt módosítani szeretné az adatokat, válassza az Adatok átalakítása lehetőséget.

   

7. A Power Query automatikusan következtet az oszlopok adattípusára. Az adattípusok módosításához válassza az attribútumtípus ikont az oszlopfejlécek tetején. Módosítsa a Revenue (Bevétel) oszlop típusát True/False (Igaz/Hamis) értékre.

   A lekérdezést egy barátságosabb névre nevezheti át a jobb oldali panel Név mezőjében lévő érték módosításával. Módosítsa a lekérdezés nevét online látogatókra.

   

8. Válassza a Mentés > bezárás lehetőséget, majd a párbeszédpanelen adja meg az adatfolyam nevét, majd válassza a Mentés lehetőséget.

   

Gépi tanulási modell létrehozása és betanítása

Gépi tanulási modell hozzáadása:

1. Válassza az Ml-modell alkalmazása ikont a betanítási adatokat és címkét tartalmazó táblázat Műveletek listájában, majd válassza a Gépi tanulási modell hozzáadása lehetőséget.

   

2. A gépi tanulási modell létrehozásának első lépése az előzményadatok azonosítása, beleértve az előrejelezni kívánt eredménymezőt is. A modell az adatokból való tanulással jön létre. Ebben az esetben előre szeretné jelezni, hogy a látogatók vásárolnak-e. Az előrejelezni kívánt eredmény a Revenue (Bevétel ) mezőben van. Válassza a Bevétel lehetőséget az Eredmény oszlop értékeként, majd válassza a Tovább gombot.

   

3. Ezután kiválaszthatja a létrehozandó gépi tanulási modell típusát. A Power BI elemzi az ön által azonosított eredménymező értékeit, és javaslatot tesz a mező előrejelzéséhez létrehozható gépi tanulási modellek típusaira.

   Ebben az esetben, mivel bináris eredményt szeretne előrejelezni, hogy egy látogató vásárolni fog-e, a Power BI bináris előrejelzést javasol. Mivel szeretné előrejelezni a vásárlásra készülő látogatókat, válassza a True (Igaz) lehetőséget a Céleredmény kiválasztása területen. Az automatikusan létrehozott jelentésben különböző címkéket is megadhat, amelyek a modell érvényesítési eredményeit összegzik. Ezután válassza a Tovább gombra.

   

4. A Power BI elvégzi az adatok mintájának előzetes vizsgálatát, és olyan bemeneteket javasol, amelyek pontosabb előrejelzéseket eredményezhetnek. Ha a Power BI nem javasol oszlopot, az elmagyarázza, miért nem az oszlop mellett. A kijelöléseket úgy módosíthatja, hogy csak azokat a mezőket tartalmazzák, amelyeket a modell tanulmányozni szeretne, ha bejelöli vagy törli az oszlopnevek melletti jelölőnégyzeteket. Válassza a Tovább gombot a bemenetek elfogadásához.

   

5. Az utolsó lépésben nevezze el a modell vásárlási szándékának előrejelzését, és válassza ki a betanításban eltöltött időt. Csökkentheti a betanítási időt a gyors eredmények megtekintéséhez, vagy növelheti a legjobb modell beszerzésének idejét. Ezután válassza a Mentés és betanítás lehetőséget a modell betanításának megkezdéséhez.

   

Ha az adatforrás hitelesítő adataihoz hasonló hibaüzenetet kap, frissítenie kell a hitelesítő adatait, hogy a Power BI képes legyen az adatok pontszámára. A hitelesítő adatok frissítéséhez válassza a További beállítások lehetőséget ... a fejlécsávon, majd válassza a Gépház> Gépház lehetőséget.

Jelölje ki az adatfolyamot az Adatfolyamok területen , bontsa ki az adatforrás hitelesítő adatait, majd válassza a Hitelesítő adatok szerkesztése lehetőséget.

Betanítás állapotának nyomon követése

A betanítási folyamat a mintavételezéssel és az előzményadatok normalizálásával, valamint a szemantikai modell két új entitásra való felosztásával kezdődik: a Vásárlási szándék előrejelzése betanítási adatok és a Vásárlási szándék előrejelzésének tesztelési adatai.

A szemantikai modell méretétől függően a betanítási folyamat néhány perctől a kiválasztott betanítási időig bárhová eltarthat. Ellenőrizheti, hogy a modell be van-e tanítva és érvényesítve az adatfolyam állapotán keresztül. Az állapot adatfrissítésként jelenik meg a munkaterület Szemantikai modellek + adatfolyamok lapján.

A modellt az adatfolyam Gépi tanulási modellek lapján tekintheti meg. Az állapot azt jelzi, hogy a modell várólistára lett-e állítva a betanításhoz, betanítás alatt áll vagy be van-e tanítva. A modell betanításának befejezése után az adatfolyam megjeleníti a legutóbbi betanítási időt és a Betanított állapotot.

A modellérvényesítési jelentés áttekintése

A modellérvényesítési jelentés áttekintéséhez a Gépi tanulási modellek lapon válassza a Betanítási jelentés megtekintése ikont a Műveletek csoportban. Ez a jelentés azt ismerteti, hogy a gépi tanulási modell várhatóan hogyan fog teljesíteni.

A jelentés Modellteljesítmény lapján válassza a Felső prediktorok megtekintése lehetőséget a modell felső prediktorainak megtekintéséhez. Az egyik prediktor kiválasztásával megtekintheti, hogyan van társítva az eredményeloszlás az adott prediktorhoz.

A modell pontosságának és visszahívásának a modellre gyakorolt hatásának vizsgálatához használhatja a Valószínűségi küszöbérték szeletelőt a Modellteljesítmény lapon.

A jelentés többi oldala a modell statisztikai teljesítménymetrikáit ismerteti.

A jelentés tartalmaz egy Betanítás részletei lapot is, amely leírja az iterációk futtatását, a bemenetekből kinyert funkciókat és a használt végső modell hiperparamétereit.

A modell alkalmazása adatfolyam-entitásra

A modell meghívásához válassza a jelentés tetején található Modell alkalmazása gombot. Az Alkalmaz párbeszédpanelen megadhatja azt a célentitást, amely rendelkezik a modell alkalmazásához használt forrásadatokkal. Ezután válassza a Mentés és alkalmazás lehetőséget.

A modell alkalmazása két új táblát hoz létre, az utótagok bővített <model_name> és bővített <model_name> magyarázatokkal. Ebben az esetben a modell alkalmazása az Online látogatók táblára a következőt hozza létre:

• Az online látogatók bővítettek vásárlási szándék előrejelzést, amely tartalmazza a modell előrejelzett kimenetét.
• Az online látogatók bővítették a Vásárlási szándék előrejelzésének magyarázatait, amelyek az előrejelzés rekordspecifikus befolyásolóit tartalmazzák.

A bináris előrejelzési modell alkalmazása négy oszlopot ad hozzá: Az Eredmény, a PredictionScore, a PredictionExplanation és a ExplanationIndex, mindegyikhez tartozik egy Vásárlási szándék előrejelzési előtagja.

Miután az adatfolyam frissítése befejeződött, kiválaszthatja az Online látogatók által bővített Vásárlási szándék előrejelzési táblát az eredmények megtekintéséhez.

A munkaterület bármely automatizált gépi tanulási modelljét közvetlenül az adatfolyam Power Query-szerkesztő is meghívhatja. Az automatizált gépi tanulási modellek eléréséhez válassza a szerkeszteni kívánt táblázat szerkesztését az automatizált gépi tanulási modellből származó megállapításokkal.

A Power Query-szerkesztő válassza ki az AI-elemzéseket a menüszalagon.

Az AI Insights képernyőn válassza ki a Power BI Machine Tanulás Models mappát a navigációs panelen. A lista megjeleníti az összes olyan gépi tanulási modellt, amelyhez Power Query-függvényként van hozzáférése. A gépi tanulási modell bemeneti paraméterei automatikusan leképezhetik a megfelelő Power Query-függvény paramétereit. Az automatikus paraméterleképezés csak akkor történik, ha a paraméter neve és adattípusa megegyezik.

Gépi tanulási modell meghívásához a legördülő listában bemenetként kiválaszthatja a kiválasztott modell bármelyik oszlopát. A bemenetként használandó állandó értéket a bemeneti sor melletti oszlopikon összevonásával is megadhatja.

Az Alkalmaz gombra kattintva megtekintheti a gépi tanulási modell kimenetének előnézetét a tábla új oszlopaiként. A modell meghívása a lekérdezés alkalmazott lépései alatt is megjelenik.

Az adatfolyam mentése után a modell automatikusan meghívja az adatfolyam frissítésekor az entitástábla új vagy frissített sorait.

A modell pontozott kimenetének használata Egy Power BI-jelentésben

A gépi tanulási modellből származó pontszámos kimenet használatához a Power BI Desktopból csatlakozhat az adatfolyamhoz az Adatfolyamok összekötő használatával. Az Online látogatók bővített Vásárlási szándék előrejelzési táblázatával mostantól beépítheti a modellből származó előrejelzéseket a Power BI-jelentésekbe.

Korlátozások

Az átjárók automatizált gépi tanulással való használatával kapcsolatban ismert problémák merülnek fel. Ha átjárót kell használnia, a legjobb, ha létrehoz egy adatfolyamot, amely először az átjárón keresztül importálja a szükséges adatokat. Ezután hozzon létre egy másik adatfolyamot, amely az első adatfolyamra hivatkozva hozza létre vagy alkalmazza ezeket a modelleket.

Ha az AI nem működik adatfolyamokkal, lehetséges, hogy engedélyeznie kell a gyors összevonást, amikor az AI-t adatfolyamokkal használja. Miután importálta a táblázatot, és mielőtt hozzákezdene az AI-funkciók hozzáadásához, válassza a Beállítások lehetőséget a Kezdőlap menüszalagjáról, és a megjelenő ablakban jelölje be a jelölőnégyzetet a több forrásból származó adatok összekapcsolása a funkció engedélyezéséhez, majd a kijelölés mentéséhez kattintson az OK gombra. Ezután AI-funkciókat vehet fel az adatfolyamba.

Kapcsolódó tartalom

Ebben az oktatóanyagban bináris előrejelzési modellt hozott létre és alkalmazott a Power BI-ban az alábbi lépésekkel:

• Létrehozott egy adatfolyamot a bemeneti adatokkal.
• Létrehozott és betanított egy gépi tanulási modellt.
• Áttekintette a modellérvényesítési jelentést.
• Alkalmazza a modellt egy adatfolyam-entitásra.
• Megtanulta, hogyan használhatja a modellből származó pontszámot egy Power BI-jelentésben.

A Power BI gépi Tanulás automatizálásáról további információt az Automatizált gépi tanulás a Power BI-ban című témakörben talál.