Bagikan melalui

Membuat model prediksi

Contoh ini membuat Power Apps model AI prediksi yang menggunakan tabel Niat Pembeli Online di Microsoft Dataverse. Untuk mendapatkan contoh data ini ke dalam lingkungan Microsoft Power Platform Anda, aktifkan pengaturan Terapkan contoh aplikasi dan data saat Anda membuat lingkungan seperti yang dijelaskan dalam Buat model di AI Builder. Atau, ikuti petunjuk yang lebih rinci dalam Penyiapan data. Setelah data sampel Anda berada dalam Dataverse, ikuti langkah-langkah berikut untuk membuat model Anda.

  1. Masuk ke Power Apps atau Power Automate.

  2. Pada panel kiri, pilih ... Selengkapnya>hub AI.

  3. Di bawah Temukan kemampuan AI, pilih model AI.

    (Opsional) Untuk menyimpan model AI secara permanen di menu guna memudahkan akses, pilih ikon pin.

  4. Pilih Prediksi - Prediksi hasil masa mendatang dari data historis.

  5. Pilih Buat model kustom.

Pilih hasil historis Anda

Pikirkan prediksi yang ingin Anda buat. AI Builder Misalnya, untuk pertanyaan "Apakah pelanggan ini akan berhenti berlangganan?", pikirkan pertanyaan-pertanyaan seperti ini:

  • Di mana tabel yang berisi informasi tentang churn pelanggan?
  • Apakah ada kolom di sana yang secara spesifik menyatakan apakah pelanggan tersebut telah berhenti berlangganan?
  • Apakah ada hal yang tidak diketahui di kolom yang mungkin menimbulkan ketidakpastian?

Gunakan informasi ini untuk membuat pilihan Anda. Dengan menggunakan data sampel yang diberikan, pertanyaannya adalah "apakah pengguna yang berinteraksi dengan toko online saya melakukan pembelian?" Jika ya, seharusnya ada pendapatan untuk pelanggan tersebut. Oleh karena itu, apakah ada pendapatan untuk pelanggan ini seharusnya menjadi hasil historis. Di mana pun informasi ini kosong, di situlah AI Builder dapat membantu Anda membuat prediksi.

  1. Pada menu tarik-turun Tabel , pilih tabel yang berisi data dan hasil yang ingin Anda prediksi. Untuk data contoh, pilih Niat belanja daring.

  2. Pada menu tarik-turun Kolom , pilih kolom yang berisi hasil. Untuk contoh data, pilih Pendapatan (Label). Atau, jika Anda ingin mencoba memprediksi angka, pilih ExitRates.

  3. Jika Anda memilih serangkaian opsi yang berisi dua atau lebih hasil, pertimbangkan untuk memetakannya ke "Ya" atau "Tidak" karena Anda ingin memprediksi apakah sesuatu akan terjadi.

  4. Jika Anda ingin memprediksi beberapa hasil, gunakan himpunan data e-commerce Brasil dalam contoh, lalu pilih BC Order di menu tarik-turun Tabel dan Timeline Pengiriman di menu tarik-turun Kolom .

Catatan

AI Builder mendukung tipe data berikut untuk kolom hasil:

  • Ya/Tidak
  • Beberapa Pilihan
  • Bilangan bulat
  • Bilangan desimal
  • Bilangan titik mengambang
  • Mata uang

Pilih kolom data untuk melatih model Anda

Setelah Anda memilih Tabel dan Kolom dan memetakan hasil Anda, Anda dapat membuat perubahan pada kolom data yang digunakan untuk melatih model. Secara default, semua kolom yang relevan dipilih. Anda dapat membatalkan pilihan kolom yang mungkin berkontribusi pada model yang kurang akurat. Jika Anda tidak tahu apa yang harus dilakukan di sini, jangan khawatir. AI Builder akan mencoba menemukan kolom yang menyediakan model terbaik yang mungkin. Untuk data contoh, biarkan semuanya apa adanya dan pilih Berikutnya.

Pertimbangan pemilihan kolom data

Hal terpenting yang perlu dipertimbangkan di sini adalah apakah kolom yang bukan kolom hasil historis Anda ditentukan secara tidak langsung oleh hasil tersebut.

Katakanlah Anda ingin memprediksi apakah pengiriman akan tertunda. Anda mungkin memiliki tanggal pengiriman sebenarnya dalam data Anda. Tanggal tersebut hanya ada setelah pesanan dikirim. Jadi, jika Anda menyertakan kolom ini, modelnya akan memiliki akurasi mendekati 100 persen. Pesanan yang ingin Anda prediksi belum terkirim, dan kolom tanggal pengiriman tidak akan terisi. Jadi, Anda harus membatalkan pilihan kolom seperti ini sebelum pelatihan. Dalam pembelajaran mesin, ini disebut kebocoran target atau kebocoran data. AI Builder mencoba menyaring kolom yang "terlalu bagus untuk menjadi kenyataan," tetapi Anda tetap harus memeriksanya.

Catatan

Saat Anda memilih bidang data, beberapa tipe data—seperti Gambar, yang tidak dapat digunakan sebagai input untuk melatih model—tidak ditampilkan. Selain itu, kolom sistem seperti Dibuat Pada dikecualikan secara default.

Jika Anda memiliki tabel terkait yang dapat meningkatkan kinerja prediksi, Anda juga dapat menyertakannya. Seperti yang Anda lakukan saat ingin memprediksi apakah seorang pelanggan akan berhenti berlangganan, Anda harus menyertakan informasi tambahan yang mungkin ada dalam tabel terpisah. AI Builder mendukung hubungan banyak-ke-satu saat ini.

Filter data Anda

Setelah Anda memilih kolom data untuk pelatihan, Anda dapat memfilter data Anda. Tabel Anda akan berisi semua baris. Namun, Anda mungkin ingin berkonsentrasi pada pelatihan dan prediksi pada sebagian baris. Jika Anda mengetahui bahwa ada data yang tidak relevan dalam tabel yang sama yang Anda gunakan untuk melatih model, Anda dapat menggunakan langkah ini untuk memfilternya.

Misalnya, jika Anda menerapkan filter untuk melihat hanya wilayah AS, model akan berlatih pada baris yang hasilnya hanya diketahui untuk wilayah AS. Saat model ini dilatih, model tersebut hanya akan membuat prediksi untuk baris yang hasilnya tidak diketahui hanya untuk wilayah AS.

Pengalaman penyaringan sama seperti di Power Apps editor tampilan. Mulailah dengan menambahkan:

  • Baris yang berisi satu kondisi filter.
  • Grup yang memungkinkan Anda menyusun kondisi filter Anda.
  • Tabel terkait, yang memungkinkan Anda membuat kondisi filter pada tabel terkait.

Pilih kolom, operator, dan nilai yang mewakili kondisi filter. Anda dapat menggunakan kotak centang untuk mengelompokkan baris atau menghapus baris secara massal.

Langkah selanjutnya

Melatih dan mempublikasikan model prediksi Anda