Ambil perhatian
Akses ke halaman ini memerlukan kebenaran. Anda boleh cuba log masuk atau menukar direktori.
Akses ke halaman ini memerlukan kebenaran. Anda boleh cuba menukar direktori.
Contoh ini mencipta Power Apps model AI ramalan yang menggunakan jadual Niat Pembeli Dalam Talian dalam Microsoft Dataverse. Untuk mendapatkan data sampel ini ke dalam persekitaran anda Microsoft Power Platform , dayakan Gunakan aplikasi sampel dan seting data apabila anda mencipta persekitaran seperti yang diterangkan dalam Bina model dalam AI Builder. Atau, ikut arahan yang lebih terperinci dalam Penyediaan data. Selepas data sampel anda masuk Dataverse, ikut langkah ini untuk mencipta model anda.
Log masuk ke Power Apps atau Power Automate.
Pada anak tetingkap kiri, pilih ... Lebih banyak>hab AI.
Di bawah Temui keupayaan AI, pilih model AI.
(Pilihan) Untuk memastikan model AI kekal pada menu untuk akses mudah, pilih ikon pin.
Pilih Ramalan - Ramalkan hasil masa hadapan daripada data sejarah.
Pilih Cipta model tersuai.
Pilih hasil sejarah anda
Fikirkan ramalan yang ingin AI Builder anda buat. Sebagai contoh, untuk soalan "Adakah pelanggan ini akan berputar?", fikirkan soalan seperti ini:
- Di manakah jadual yang mengandungi maklumat tentang churn pelanggan?
- Adakah terdapat lajur di sana yang menyatakan secara khusus sama ada pelanggan telah bergolak?
- Adakah terdapat perkara yang tidak diketahui dalam lajur yang mungkin menyebabkan ketidakpastian?
Gunakan maklumat ini untuk membuat pilihan anda. Bekerja dengan data sampel yang disediakan, persoalannya ialah "adakah pengguna yang berinteraksi dengan kedai dalam talian saya ini membuat pembelian?" Jika mereka melakukannya, sepatutnya ada pendapatan untuk pelanggan itu. Oleh itu, sama ada terdapat pendapatan untuk pelanggan ini harus menjadi hasil sejarah. Di mana sahaja maklumat ini kosong adalah di mana AI Builder anda boleh membantu anda membuat ramalan.
Dalam menu lungsur turun Jadual , pilih jadual yang mengandungi data dan hasil yang ingin anda ramalkan. Untuk data sampel, pilih Niat pembeli dalam talian.
Dalam menu lungsur turun Lajur , pilih lajur yang mengandungi hasil. Untuk data sampel, pilih Hasil (Label). Atau, jika anda ingin mencuba meramalkan nombor, pilih ExitRates.
Jika anda memilih set opsyen yang mengandungi dua atau lebih hasil, pertimbangkan untuk memetakannya kepada "Ya" atau "Tidak" kerana anda mahu meramalkan sama ada sesuatu akan berlaku.
Jika anda ingin meramalkan berbilang hasil, gunakan set data e-dagang Brazil dalam sampel dan pilih Pesanan BC dalam menu lungsur turun Jadual dan Garis Masa Penghantaran dalam menu lungsur turun Lajur .
Nota
AI Builder Menyokong jenis data ini untuk lajur hasil:
- Ya/Tidak
- Pilihan berbilang pilihan
- Nombor bulat
- Nombor perpuluhan
- Nombor titik terapung
- Mata Wang
Pilih lajur data untuk melatih model anda
Selepas anda memilih Jadual dan Lajur dan memetakan hasil anda, anda boleh membuat perubahan pada lajur data yang digunakan untuk melatih model. Secara lalai, semua lajur yang berkaitan dipilih. Anda boleh menyahpilih lajur yang mungkin menyumbang kepada model yang kurang tepat. Jika anda tidak tahu apa yang perlu dilakukan di sini, jangan risau. AI Builder akan cuba mencari lajur yang memberikan model terbaik yang mungkin. Untuk data sampel, hanya biarkan semuanya seperti ada dan pilih Seterusnya .
Pertimbangan pemilihan lajur data
Perkara yang paling penting untuk dipertimbangkan di sini ialah sama ada lajur yang bukan lajur hasil sejarah anda secara tidak langsung ditentukan oleh hasilnya.
Katakan anda ingin meramalkan sama ada penghantaran akan ditangguhkan. Anda mungkin mempunyai tarikh penghantaran sebenar dalam data anda. Tarikh itu hanya hadir selepas pesanan dihantar. Jadi, jika anda memasukkan lajur ini, model akan mempunyai ketepatan hampir 100 peratus. Pesanan yang anda mahu ramalkan belum dihantar lagi dan lajur tarikh penghantaran tidak akan diisi. Jadi, anda harus menyahpilih lajur seperti ini sebelum latihan. Dalam pembelajaran mesin, ini dipanggil kebocoran sasaran atau kebocoran data. AI Builder cuba menapis lajur yang "terlalu bagus untuk menjadi kenyataan", tetapi anda masih harus menyemaknya.
Nota
Apabila anda memilih medan data, sesetengah jenis data—seperti Imej, yang tidak boleh digunakan sebagai input untuk melatih model—tidak ditunjukkan. Di samping itu, lajur sistem seperti Dicipta Aktif dikecualikan secara lalai.
Gunakan data daripada jadual berkaitan
Jika anda mempunyai jadual berkaitan yang mungkin meningkatkan prestasi ramalan, anda boleh memasukkannya juga. Seperti yang anda lakukan semasa anda ingin meramalkan sama ada pelanggan akan berpusing, anda harus memasukkan maklumat tambahan yang mungkin ada dalam jadual yang berasingan. AI Builder menyokong perhubungan ramai dengan satu pada masa ini.
Tapis data anda
Selepas anda memilih lajur data untuk latihan, anda boleh menapis data anda. Jadual anda akan mengandungi semua baris. Walau bagaimanapun, anda mungkin mahu menumpukan pada latihan dan meramalkan pada subset baris. Jika anda tahu bahawa terdapat data yang tidak berkaitan dalam jadual yang sama yang anda gunakan untuk melatih model, anda boleh menggunakan langkah ini untuk menapisnya.
Contohnya, jika anda menggunakan penapis untuk melihat hanya rantau AS, model akan melatih pada baris yang hasilnya diketahui hanya untuk rantau AS. Apabila model ini dilatih, ia hanya akan membuat ramalan untuk baris yang hasilnya tidak diketahui hanya untuk rantau AS.
Pengalaman penapisan adalah sama seperti dalam Power Apps editor paparan. Mulakan dengan menambah:
- Baris, yang mengandungi syarat penapis tunggal.
- Kumpulan, yang membolehkan anda menyusun keadaan penapis anda.
- Jadual berkaitan, yang membolehkan anda mencipta keadaan penapis pada jadual berkaitan.
Pilih lajur, operator dan nilai yang mewakili keadaan penapis. Anda boleh menggunakan kotak pilihan untuk mengumpulkan baris atau memadamkan baris secara pukal.