Piezīmes
Lai piekļūtu šai lapai, ir nepieciešama autorizācija. Varat mēģināt pierakstīties vai mainīt direktorijus.
Lai piekļūtu šai lapai, ir nepieciešama autorizācija. Varat mēģināt mainīt direktorijus.
Šajā piemērā tiek izveidots Power Apps prognozēšanas AI modelis, kas izmanto tabulu tiešsaistes pircēja nodoms Microsoft Dataverse. Lai iegūtu šos parauga datus savā Microsoft Power Platform vidē, iespējojiet iestatījumu Izvietot parauga lietojumprogrammas un datus , kad izveidojat vidi, kā aprakstīts sadaļā Modeļa veidošana AI Builder. Vai arī izpildiet detalizētākus norādījumus sadaļā Datu sagatavošana. Kad parauga dati ir pieejami Dataverse, veiciet tālāk norādītās darbības, lai izveidotu modeli.
Piesakieties vai Power AppsPower Automate.
Kreisajā rūtī atlasiet ... Vairāk>mākslīgā intelekta centra.
Sadaļā Atklājiet AI iespēju, atlasiet AI modeļus.
(Pēc izvēles) Lai AI modeļi pastāvīgi saglabātu izvēlnē un ērti piekļūtu, atlasiet piespraudes ikonu.
Atlasiet Prognoze — prognozēt nākotnes rezultātus no vēsturiskajiem datiem.
Atlasiet Izveidot pielāgotu modeli.
Izvēlieties vēsturisko rezultātu
Padomājiet par prognozi, ko vēlaties AI Builder izdarīt. Piemēram, jautājumam "Vai šis klients atkāpsies?", padomājiet par šādiem jautājumiem:
- Kur ir tabula, kurā ir informācija par klientu pārtraukšanu?
- Vai tur ir sleja, kurā konkrēti norādīts, vai klients ir iznīcinājis?
- Vai kolonnā ir nezināmi, kas varētu radīt nenoteiktību?
Izmantojiet šo informāciju, lai veiktu atlasi. Strādājot ar sniegtajiem parauga datiem, jautājums ir šāds: "Vai šis lietotājs, kurš mijiedarbojās ar manu interneta veikalu, veica pirkumu?" Ja viņi to darīja, šim klientam vajadzētu būt ieņēmumiem. Tāpēc tas, vai šim klientam ir ieņēmumi, ir jābūt vēsturiskajam rezultātam. Visur, kur šī informācija ir tukša, var AI Builder palīdzēt jums veikt prognozi.
Nolaižamajā izvēlnē Tabula atlasiet tabulu, kurā ir dati un prognozējamais rezultāts. Lai iegūtu parauga datus, atlasiet Tiešsaistes pircēja nolūks.
Nolaižamajā izvēlnē Kolonna atlasiet kolonnu, kurā ir rezultāts. Lai iegūtu parauga datus, atlasiet Ieņēmumi (iezīme). Vai, ja vēlaties izmēģināt prognozēt skaitli, atlasiet ExitRates.
Ja atlasījāt opciju kopu, kas satur divus vai vairākus rezultātus, apsveriet iespēju to kartēt uz "Jā" vai "Nē", jo vēlaties paredzēt, vai kaut kas notiks.
Ja vēlaties prognozēt vairākus rezultātus, paraugā izmantojiet Brazīlijas e-komercijas datu kopu un nolaižamajā izvēlnē Tabulaatlasiet BC pasūtījums un nolaižamajā izvēlnē Kolonna Piegādes laika grafiki .
Piezīmes
AI Builder Atbalsta šos datu tipus kolonnai Rezultāts:
- Jā/nē
- Izvēles
- Vesels skaitlis
- Decimāldaļskaitlis
- Skaitlis ar peldošo komatu
- Currency
Atlasiet datu kolonnas, lai apmācītu modeli
Kad esat atlasījis tabulu un kolonnu un kartējis rezultātu, varat veikt izmaiņas datu kolonnās, kas tiek izmantotas modeļa apmācībai. Pēc noklusējuma ir atlasītas visas attiecīgās kolonnas. Kolonnas var atcelt atlasi, kas var veicināt mazāk precīzu modeli. Ja jūs nezināt, ko šeit darīt, neuztraucieties. AI Builder centīsies atrast kolonnas, kas nodrošina labāko iespējamo modeli. Lai iegūtu parauga datus, vienkārši atstājiet visu tādu, kāds tas ir, un atlasiet Tālāk.
Datu kolonnu atlases apsvērumi
Vissvarīgākais, kas jāņem vērā, ir tas, vai kolonnu, kas nav jūsu vēsturiskā rezultātu kolonna, netieši nosaka rezultāts.
Pieņemsim, ka vēlaties prognozēt, vai sūtījums aizkavēsies. Iespējams, jūsu datos ir faktiskais piegādes datums. Šis datums ir pieejams tikai pēc pasūtījuma piegādes. Tātad, ja iekļaujat šo kolonnu, modelim būs gandrīz 100 procentu precizitāte. Pasūtījumi, kurus vēlaties prognozēt, vēl nebūs piegādāti, un kolonna piegādes datums netiks aizpildīta. Tātad, pirms apmācības jums vajadzētu noņemt šādu kolonnu atlasi. Mašīnmācīšanās gadījumā to sauc par mērķa noplūdi vai datu noplūdi. AI Builder mēģina filtrēt kolonnas, kas ir "pārāk labas, lai būtu patiesas", taču tās joprojām jāpārbauda.
Piezīmes
Atlasot datu laukus, daži datu tipi, piemēram, Attēls, ko nevar izmantot kā ievadi, lai apmācītu modeli, netiek rādīti. Turklāt sistēmas kolonnas, piemēram, Izveidots, pēc noklusējuma tiek izslēgtas.
Saistīto tabulu datu izmantošana
Ja jums ir saistītās tabulas, kas varētu uzlabot prognozes veiktspēju, varat iekļaut arī tās. Tāpat kā tad, kad vēlējāties prognozēt, vai klients pārtrauksies, jums jāiekļauj papildu informācija, kas varētu būt atsevišķā tabulā. AI Builder Šobrīd atbalsta daudzu pret vienu attiecības.
Datu filtrēšana
Kad esat atlasījis apmācības datu kolonnas, varat filtrēt datus. Tabulās būs visas rindas. Tomēr, iespējams, vēlēsities koncentrēties uz apmācību un prognozēšanu rindu apakškopā. Ja zināt, ka tajā pašā tabulā, ko izmantojat, lai apmācītu modeli, ir nebūtiski dati, varat izmantot šo darbību, lai to filtrētu.
Piemēram, ja lietojat filtru, lai apskatītu tikai ASV reģionu, modelis tiks apmācīts rindās, kurās rezultāts ir zināms tikai ASV reģionā. Kad šis modelis ir apmācīts, tas prognozēs tikai rindas, kurās rezultāts nav zināms tikai ASV reģionā.
Filtrēšanas pieredze ir tāda pati kā skata redaktorā Power Apps . Sāciet ar pievienošanu:
- Rinda, kurā ir viens filtra nosacījums.
- Grupa, kas ļauj ligzdot filtra nosacījumus.
- Saistītā tabula, kas ļauj izveidot filtra nosacījumu saistītajā tabulā.
Atlasiet kolonnu, operatoru un vērtību, kas apzīmē filtra nosacījumu. Izvēles rūtiņas var izmantot, lai grupētu rindas vai lielapjoma dzēšanu rindas.