Bruke AI Insights i Power BI Desktop

2025-03-05

I Power BI kan du bruke AI Insights til å få tilgang til en samling forhåndsutdannede maskinlæringsmodeller som forbedrer innsatsen for klargjøring av data. Du kan få tilgang til KUNSTIG INTELLIGENS i redigeringsprogrammet for Power Query. Du finner de tilknyttede funksjonene og funksjonene gjennom fanene Home og Legg til kolonne i Power Query-redigeringsprogrammet.

Skjermbilde av AI Insights på Fanen Legg til kolonne.

Denne artikkelen beskriver funksjonene for tekstanalyse og visjonsfunksjoner, begge fra Azure Cognitive Services. I denne artikkelen finner du også en del som beskriver de egendefinerte funksjonene som er tilgjengelige i Power BI fra Azure Machine Learning.

Bruk tekstanalyse og -visjon

Med Tekstanalyse og Visjon i Power BI kan du bruke forskjellige algoritmer fra Azure Cognitive Services- for å berike dataene i Power Query.

Følgende tjenester støttes for øyeblikket:

Transformasjonene utføres på Power BI-tjenesten og krever ikke et Azure Cognitive Services-abonnement.

Viktig

Bruk av tekstanalyse- eller visjonsfunksjonene krever Power BI Premium.

Aktiver tekstanalyse og visjon på Premium-kapasiteter

Cognitive Services støttes for Premium-kapasitetsnoder EM2, A2 eller P1 og andre noder med flere ressurser. En separat AI-arbeidsbelastning på kapasiteten brukes til å kjøre Cognitive Services. Før du bruker Cognitive Services i Power BI, må du aktivere AI-arbeidsbelastningen i kapasitetsinnstillinger for administrasjonsportalen. Du kan aktivere AI-arbeidsbelastning i inndelingen arbeidsbelastninger og definere den maksimale mengden minne du vil at denne arbeidsbelastningen skal forbruke. Den anbefalte minnegrensen er 20%. Hvis denne grensen overskrides, reduseres spørringen.

Tilgjengelige funksjoner

Denne delen beskriver de tilgjengelige funksjonene i Cognitive Services i Power BI.

Identifiser språk

Funksjonen Identifiser språk evaluerer tekstinndata, og returnerer språknavnet og ISO-identifikatoren for hvert felt. Denne funksjonen er nyttig for datakolonner som samler vilkårlig tekst, der språket er ukjent. Funksjonen forventer data i tekstformat som inndata.

Tekstanalyse gjenkjenner opptil 120 språk. Hvis du vil ha mer informasjon, kan du se støttede språk.

Trekke ut nøkkeluttrykk

Uttrekking av nøkkeluttrykk-funksjonen evaluerer ustrukturert tekst, og returnerer en liste over nøkkeluttrykk for hvert tekstfelt. Funksjonen krever et tekstfelt som inndata og godtar en valgfri inndata for en isokode for språk.

Uttrekking av nøkkeluttrykk fungerer best når du gir den større deler av teksten å arbeide med, motsatt fra sentimentanalyse. Sentimentanalyse fungerer bedre på mindre tekstblokker. For å få de beste resultatene fra begge operasjonene, bør du vurdere å restrukturere inndataene tilsvarende.

Resultatsentiment

Funksjonen Score sentiment evaluerer tekstinndata og returnerer en sentimentpoengsum for hvert dokument, alt fra 0 (negativ) til 1 (positiv). score sentiment godtar også en valgfri inndata for en isokode for språk. Denne funksjonen er nyttig for å oppdage positive og negative følelser i sosiale medier, kundeanmeldelser og diskusjonsfora.

Tekstanalyse bruker en maskinlæringsklassifiseringsalgoritme til å generere en sentimentpoengsum mellom 0 og 1. Resultater nærmere 1 indikerer positiv sentiment. Resultater nærmere 0 indikerer negativ sentiment. Modellen er forhåndsutdannet med en omfattende teksttekst med sentimenttilknytninger. Det er for øyeblikket ikke mulig å oppgi dine egne opplæringsdata. Modellen bruker en kombinasjon av teknikker under tekstanalyse, inkludert tekstbehandling, del-av-tale-analyse, ordplassering og ordtilknytninger. Hvis du vil ha mer informasjon om algoritmen, kan du se Innføring i tekstanalyse.

Sentimentanalyse utføres på hele inndatafeltet, i motsetning til å trekke ut sentiment for en bestemt enhet i teksten. I praksis er det en tendens til å forbedre poengnøyaktigheten når dokumenter inneholder én eller to setninger i stedet for en stor tekstblokk. I løpet av en objektivitetsvurderingsfase bestemmer modellen om et inndatafelt som helhet er objektivt eller inneholder sentiment. Et inndatafelt som for det meste er objektivt, går ikke videre til uttrykket for sentimentregistrering, noe som resulterer i en poengsum på 0,50, uten videre behandling. For inndatafelt som fortsetter i datasamlebåndet, genererer neste fase en poengsum som er større eller mindre enn 0,50, avhengig av graden av sentiment som oppdages i inndatafeltet.

Sentimentanalyse støtter for øyeblikket engelsk, tysk, spansk og fransk. Andre språk er i forhåndsvisning. Hvis du vil ha mer informasjon, kan du se støttede språk.

Merke bilder

Funksjonen Kodebilder returnerer koder basert på mer enn 2000 gjenkjennelige objekter, levende vesener, landskap og handlinger. Når koder er tvetydige eller ikke vanlige kunnskaper, gir utdataene tips for å klargjøre betydningen av koden i sammenheng med en kjent innstilling. Merker er ikke organisert som taksonomi, og det finnes ingen arvehierarkier. En samling innholdskoder danner grunnlaget for et bilde beskrivelse vist som et lesbart språk som er formatert i fullstendige setninger.

Når du har lastet opp et bilde eller angitt en nettadresse for bilder, utdatakoder for Datavisjon-algoritmer basert på objekter, levende vesener og handlinger som er identifisert i bildet. Merking er ikke begrenset til hovedemnet, for eksempel en person i forgrunnen, men inkluderer også innstillingen (innendørs eller utendørs), møbler, verktøy, planter, dyr, tilbehør, gadgets og så videre.

Denne funksjonen krever en NETTADRESSE for bilde eller et base-64-felt som inndata. På dette tidspunktet støtter bildemerking engelsk, spansk, japansk, portugisisk og forenklet kinesisk. Hvis du vil ha mer informasjon, kan du se støttede språk.

Aktiver tekstanalyse- eller visjonsfunksjoner i Power Query

Hvis du vil berike dataene med tekstanalyse- eller visjonsfunksjoner, åpner du Redigeringsprogram for Power Query. Dette eksemplet går gjennom hvordan du får resultatet av en tekst. Du kan bruke de samme trinnene til å trekke ut nøkkeluttrykk, oppdage språk og merke bilder.

Velg tekstanalyse-knappen på båndet Hjem eller Legg til kolonne. Logg deretter på når du ser ledeteksten.

Skjermbilde av dialogboksen Tekstanalyse som viser funksjonen Identifiser språk.

Når du har logget på, velger du funksjonen du vil bruke, og datakolonnen du vil transformere i popup-vinduet.

Skjermbilde av dialogboksen Tekstanalyse som viser funksjonen Resultatsentiment.

Power BI velger en Premium-kapasitet for å kjøre funksjonen på og sende resultatene tilbake til Power BI Desktop. Den valgte kapasiteten brukes bare for tekstanalyse- og visjonsfunksjonen under programmet og oppdateringer i Power BI Desktop. Når Power BI publiserer rapporten, kjører oppdateringer på Premium-kapasiteten til arbeidsområdet rapporten publiseres til. Du kan endre kapasiteten som brukes for alle Cognitive Services i rullegardinlisten nederst til venstre i popup-vinduet.

Skjermbilde av rullegardinmenyen for å velge Premium-kapasiteten som brukes for AI Insights.

isokode for språk er en valgfri inndata for å angi språket for teksten. Du kan bruke en kolonne som inndata eller et statisk felt. I dette eksemplet er språket angitt som engelsk (en) for hele kolonnen. Hvis du lar dette feltet stå tomt, oppdager Power BI automatisk språket før du bruker funksjonen. Deretter velger du Bruk.

Første gang du bruker AI Insights på en ny datakilde, ber Power BI Desktop deg om å angi personvernnivået for dataene dine.

Skjermbilde av en advarsel om at informasjon kreves om personvern.

Notat

Oppdateringer av den semantiske modellen i Power BI fungerer bare for datakilder der personvernnivået er satt til offentlig eller organisatorisk.

Når du aktiverer funksjonen, legges resultatet til som en ny kolonne i tabellen. Transformasjonen legges også til som et brukt trinn i spørringen.

Når det gjelder bildemerking og uttrekking av nøkkeluttrykk, kan resultatene returnere flere verdier. Hvert enkelt resultat returneres på et duplikat av den opprinnelige raden.

Publisere en rapport med tekstanalyse- eller visjonsfunksjoner

Mens du redigerer i Power Query og utfører oppdateringer i Power BI Desktop, bruker Tekstanalyse og Visjon Premium-kapasiteten som ble valgt i Redigeringsprogrammet for Power Query. Når Tekstanalyse eller Visjon publiserer rapporten, bruker de Premium-kapasiteten til arbeidsområdet den ble publisert i.

Rapporter med brukte tekstanalyse- og visjonsfunksjoner bør publiseres til et arbeidsområde som er på en Premium-kapasitet, ellers mislykkes oppdatering av semantisk modell.

Administrer innvirkning på en Premium-kapasitet

De følgende avsnittene beskriver hvordan du kan administrere virkningene av tekstanalyse og visjon på kapasitet.

Velg en kapasitet

Rapportforfattere kan velge Premium-kapasiteten du vil kjøre AI Insights på. Som standard velger Power BI den første opprettede kapasiteten som brukeren har tilgang til.

Overvåk med måledataappen for kapasitet

Premium-kapasitetseiere kan overvåke virkningen av tekstanalyse- og visjonsfunksjoner på en kapasitet med Microsoft Fabric Capacity Metrics-appen. Appen gir detaljerte måledata om tilstanden til ai-arbeidsbelastningene i kapasiteten din. Det øverste diagrammet viser minneforbruket etter ai-arbeidsbelastninger. Premium-kapasitetsadministratorer kan angi minnegrensen for AI-arbeidsbelastningen per kapasitet. Når minnebruken når minnegrensen, kan du vurdere å øke minnegrensen eller flytte enkelte arbeidsområder til en annen kapasitet.

Sammenlign Power Query og Power Query Online

Tekstanalyse- og visjonsfunksjonene som brukes i Power Query og Power Query Online, er de samme. Det er bare et par forskjeller mellom opplevelsene:

Power Query har separate knapper for Tekstanalyse, Visjon og Azure Machine Learning. I Power Query Online kombineres disse funksjonene i én meny.
I Power Query kan rapportforfatteren velge Premium-kapasiteten som brukes til å kjøre funksjonene. Dette valget er ikke nødvendig i Power Query Online, siden en dataflyt allerede er på en bestemt kapasitet.

Vurderinger og begrensninger for tekstanalyse

Det finnes noen hensyn og begrensninger du bør huske på når du bruker tekstanalyse.

Trinnvis oppdatering støttes, men kan forårsake ytelsesproblemer når den brukes på spørringer med kunstig intelligens.
Direktespørring støttes ikke.

Bruk Azure Machine Learning

Mange organisasjoner bruker Machine Learning modeller for bedre innsikt og prognoser om virksomheten. Muligheten til å visualisere og aktivere innsikt fra disse modellene kan bidra til å spre denne innsikten til forretningsbrukerne som trenger det mest. Power BI gjør det enkelt å innlemme innsikt fra modeller som driftes på Azure Machine Learning, ved hjelp av enkle pek-og-klikk-bevegelser.

For å bruke denne funksjonen kan en dataforsker gi tilgang til Azure Machine Learning-modellen til BI-analytikeren ved hjelp av Azure-portalen. Deretter oppdager Power Query i begynnelsen av hver økt alle Azure Machine Learning-modellene som brukeren har tilgang til og viser dem som dynamiske Power Query-funksjoner. Brukeren kan deretter aktivere disse funksjonene ved å få tilgang til dem fra båndet i Redigeringsprogrammet for Power Query, eller ved å aktivere M-funksjonen direkte. Power BI grupperer også automatisk tilgangsforespørslene når du aktiverer Azure Machine Learning-modellen for et sett med rader for å oppnå bedre ytelse.

Denne funksjonaliteten støttes i Power BI Desktop, Power BI-dataflyter og Power Query Online i Power BI-tjenesten.

Hvis du vil ha mer informasjon om dataflyter, kan du se selvbetjent dataforberedelse i Power BI-.

Hvis du vil ha mer informasjon om Azure Machine Learning, kan du se følgende artikler:

Oversikt: Hva er Azure Machine Learning?
Hurtigstarter og opplæringer for Azure Machine Learning: Azure Machine Learning Documentation

Gi tilgang til en Azure Machine Learning-modell

Hvis du vil ha tilgang til en Azure Machine Learning-modell fra Power BI, må brukeren ha Lese tilgang til Azure-abonnementet. I tillegg må de også ha Lese tilgang til arbeidsområdet for maskinlæring.

Trinnene i denne delen beskriver hvordan du gir en Power BI-bruker tilgang til en modell som driftes av Azure Machine Learning-tjenesten. Med denne tilgangen kan de bruke denne modellen som en Power Query-funksjon. Hvis du vil ha mer informasjon, kan du se Administrere tilgang ved hjelp av RBAC og Azure-portalen.

Logg på Azure-portalen.
Gå til siden abonnementer. Du finner abonnementer-siden gjennom listen Alle tjenester i venstre navigasjonsmeny i Azure-portalen.
Velg abonnementet ditt.
Velg Access-kontroll (IAM), og velg deretter Legg til-knappen.
Velg Leser som rolle. Velg Power BI-brukeren du vil gi tilgang til Azure Machine Learning-modellen til.
Velg Lagre.
Gjenta trinn tre til seks for å gi Reader tilgang til brukeren for det bestemte arbeidsområdet for maskinlæring som er vert for modellen.

Skjemaoppdagelse for maskinlæringsmodeller

Dataforskere bruker primært Python til å utvikle, og til og med distribuere maskinlæringsmodeller for Machine Learning. Dataforskeren må eksplisitt generere skjemafilen ved hjelp av Python.

Denne skjemafilen må være inkludert i den distribuerte nettjenesten for Machine Learning-modeller. Hvis du vil generere skjemaet for nettjenesten automatisk, må du angi et utvalg av inndata/utdata i oppføringsskriptet for den distribuerte modellen. Hvis du vil ha mer informasjon, kan du se underdelen på (valgfritt) automatisk Swagger-skjemagenerering i Distribuer modeller med dokumentasjonen for Azure Machine Learning-tjenesten. Koblingen inneholder eksempeloppføringsskriptet med uttrykkene for skjemagenereringen.

Spesielt refererer @input_schema- og @output_schema-funksjonene i oppføringsskriptet til inndata- og utdataeksempelformatene i input_sample og output_sample variabler. Funksjonene bruker disse eksemplene til å generere en OpenAPI-spesifikasjon (Swagger) for nettjenesten under distribusjon.

Disse instruksjonene for skjemagenerering, ved å oppdatere oppføringsskriptet, må også brukes på modeller som er opprettet ved hjelp av automatiserte maskinlæringseksperimenter med Azure Machine Learning SDK.

Notat

Modeller som er opprettet ved hjelp av azure Machine Learning-visualobjektgrensesnittet, støtter for øyeblikket ikke skjemagenerering, men de vil i etterfølgende versjoner.

Aktiver en Azure Machine Learning-modell i Power Query

Du kan aktivere hvilken som helst Azure Machine Learning-modell som du har fått tilgang til, direkte fra Redigeringsprogrammet for Power Query. Hvis du vil ha tilgang til Azure Machine Learning-modellene, velger du Azure Machine Learning-knappen i Home eller Legg til kolonne-båndet i Redigeringsprogrammet for Power Query.

Skjermbilde viser Azure Machine Learning-knappen i Redigeringsprogrammet for Power Query.

Alle Azure Machine Learning-modeller som du har tilgang til, er oppført her som Power Query-funksjoner. Inndataparameterne for Azure Machine Learning-modellen tilordnes også automatisk som parametere for den tilsvarende Power Query-funksjonen.

Hvis du vil aktivere en Azure Machine Learning-modell, kan du angi hvilken som helst av kolonnene for den valgte enheten som inndata fra rullegardinlisten. Du kan også angi en konstant verdi som skal brukes som inndata ved å veksle kolonneikonet til venstre for inndatadialogboksen.

skjermbilde av dialogboksen Azure Machine Learning Models.

Velg OK for å vise forhåndsvisningen av Azure Machine Learning-modellens utdata som en ny kolonne i enhetstabellen. Modellaktiveringen vises som et brukt trinn for spørringen.

Hvis modellen returnerer flere utdataparametere, grupperes de sammen som en post i utdatakolonnen. Du kan utvide kolonnen for å produsere individuelle utdataparametere i separate kolonner.

Hensyn og begrensninger for Azure Machine Learning

Følgende vurderinger og begrensninger gjelder for Azure Machine Learning i Power BI Desktop.

Modeller som er opprettet ved hjelp av visualobjektgrensesnittet for Azure Machine Learning, støtter for øyeblikket ikke skjemagenerering. Støtte forventes i etterfølgende versjoner.
Trinnvis oppdatering støttes, men kan forårsake ytelsesproblemer når den brukes på spørringer med kunstig intelligens.
Direktespørring støttes ikke.
Brukere med en Premium per bruker (PPU) kan bare ikke bruke AI Insights fra Power BI Desktop. Du må bruke en ikke-PPU Premium-lisens med tilsvarende Premium-kapasitet. Du kan fortsatt bruke AI Insights med en PPU-lisens for Power BI-tjenesten.

Denne artikkelen ga en oversikt over hvordan du integrerer Maskinlæring i Power BI Desktop. Følgende artikler kan også være interessante og nyttige.