예측 모델 개선

이 문서에서는 예측 모델의 성능을 향상시키는 데 사용할 수 있는 기능을 설명합니다. 365 Finance의 고객 지불 예측 Microsoft Dynamics 작업 공간에서 모델 개선을 시작합니다. 개선 단계는 AI Builder에서 완료됩니다.

기록 결과 선택

먼저 인보이스에 대해 가능한 세 가지 결과인 정시, 늦음 및 아주 늦었어요 중 하나 이상을 선택합니다. 세 가지 결과를 모두 선택해야 합니다. 결과 선택을 취소하면 학급 프로세스에서 송장이 필터링되고 예측의 정확도가 낮아집니다.

조직에 두 가지 결과만 필요한 경우 늦음 및 매우 늦음 임계값을 0(영)일로 변경합니다. 이러한 방식으로 예측을 정시 또는 늦음이라는 이진 상태로 효과적으로 축소할 수 있습니다.

필드 선택

모델에 포함할 필드를 선택할 때 목록에는 Azure Data Lake의 데이터에 매핑되는 Microsoft Dataverse 테이블의 사용 가능한 모든 필드가 포함됩니다. 이러한 필드 중 일부는 선택하지 않아 있습니다. 선택하지 않아야 하는 필드는 다음 세 가지 범주 중 하나에 속합니다.

• 이 필드는 Dataverse 테이블에 필요하지만 Data Lake에 이를 뒷받침하는 데이터가 없습니다.
• 필드는 ID이므로 기계 학습 기능에 적합하지 않습니다.
• 필드는 예측 중에 사용할 수 없는 정보를 나타냅니다.

다음 섹션에서는 송장 및 고객 엔터티에 사용할 수 있는 필드를 보여주고 교육용으로 선택하지 않는 필드를 나열합니다. 각 필드에 대해 지정된 범주는 이전 목록의 범주를 참조합니다.  

송장 Dataverse 테이블

다음 그림은 송장 테이블에 사용할 수 있는 필드를 보여줍니다.

다음 필드는 학습을 위해 선택하면 안 됩니다.

• 송장 계정 (범주 2)
• 닫혀 있음 (범주 3) – 이 필드는 교육(닫힘) 및 예측(닫혀지지 않음)에 대한 송장을 필터링하는 데 사용됩니다.
• 이름 (범주 1)
• 소스 ID (카테고리 2)
• 소스 레코드 (범주 2)
• 소스 테이블 (범주 2)

고객 Dataverse 테이블

다음 그림은 고객 테이블에 사용할 수 있는 필드를 보여줍니다.

다음 필드는 학습을 위해 선택하면 안 됩니다.

• 행 고유 키 (범주 2)

필터

송장 또는 고객 테이블의 필드에 대한 필터 기준을 설정하여 학습에 사용되는 송장을 필터링할 수 있습니다. 예를 들어 합계가 특정 금액 이상인 송장만 포함하도록 임계값을 설정할 수 있습니다. 또는 특정 고객 그룹의 고객과 연결된 송장을 제외할 수 있습니다.

데이터 필터링에 대한 자세한 내용은 예측 모델 만들기를 참조하세요.