Zdieľať cez

Vytvorenie modelu predikcie

Tento príklad vytvára model AI predpovede služby Power Apps, ktorý používa v tabuľku Aktívny zámer online zákazníka v Microsoft Dataverse. Ak chcete tieto vzorové údaje dostať do svojho prostredia, povoľte nastavenie Nasadiť vzorové aplikácie a údaje pri vytváraní prostredia, ako je popísané v časti Vytvorenie modelu v Microsoft Power Platform . AI Builder Alebo postupujte podľa podrobnejších pokynov v časti Príprava údajov . Keď sa vaše vzorové údaje nachádzajú v službe Dataverse, postupujte podľa týchto krokov na vytvorenie modelu.

  1. Prihláste sa do Power Apps alebo Power Automate.

  2. Na ľavej table vyberte položku ... Viac>Centrum umelej inteligencie.

  3. V časti Objavte schopnosť umelej inteligencie vyberte Modely umelej inteligencie.

    (Voliteľné) Ak chcete modely umelej inteligencie natrvalo ponechať v ponuke pre jednoduchý prístup, vyberte ikonu špendlíka.

  4. Vyberte Predpoveď – Predpovedať budúce výsledky z historických údajov.

  5. Vyberte možnosť Vytvoriť vlastný model.

Výber historického výsledku

Premýšľajte o predpovedi, ktorú chcete urobiť. AI Builder V prípade otázky „Chystá sa tento zákazník odísť?“ sa napríklad zamyslite nad takýmito otázkami:

  • Kde je tabuľka, ktorá obsahuje informácie o odchode zákazníka?
  • Existuje stĺpec, v ktorom je konkrétne známe, že zákazník odišiel?
  • Existujú v niektorom stĺpci neznáme, ktoré by mohli spôsobiť neistotu?

Pomocou týchto informácií môžete uskutočniť svoje výbery. Pri práci s poskytnutými vzorovými údajmi je otázka: „Uskutočnil tento používateľ, ktorý interagoval s mojím internetovým obchodom, nákup?“ Ak áno, mal by tento zákazník získať tržby. Informácia o tom, či existujú tržby od daného zákazníka, by preto mala byť historickým výsledkom. Všade, kde sú tieto informácie prázdne, vám môžu pomôcť vytvoriť predpoveď. AI Builder

  1. V rozbaľovacej ponuke Tabuľka vyberte tabuľku, ktorá obsahuje údaje a výsledok, ktorý chcete predpovedať. Pre vzorové údaje vyberte Zámer nakupujúceho online.

  2. V rozbaľovacej ponuke Stĺpec vyberte stĺpec, ktorý obsahuje výsledok. Pre vzorové údaje vyberte možnosť Výnos (označenie). Alebo, ak si chcete vyskúšať predpovedať číslo, vyberte možnosť ExitRates.

  3. Ak ste vybrali množinu možností, ktorá obsahuje dva alebo viac výsledkov, zvážte, či ju chcete namapovať k možnosti „Áno“ alebo „Nie“, keďže chcete predpovedať, či sa niečo stane.

  4. Ak chcete predpovedať viacero výsledkov, použite vo vzorke súbor údajov z brazílskeho elektronického obchodu a v rozbaľovacej ponuke Tabuľka vyberte možnosť Objednávka BC a v rozbaľovacej ponuke Stĺpec Vyberte možnosť Časové osi doručenia .

Poznámka

AI Builder podporuje tieto typy údajov pre stĺpec s výsledkami:

  • Áno/Nie
  • Voľby
  • Celé číslo
  • Desatinné číslo
  • Číslo s pohyblivou desatinnou čiarkou
  • Mena

Vyberte údajové stĺpce, na základe ktorých sa má trénovať váš model

Po výbere tabuľky a stĺpca a namapovaní výsledku môžete vykonať zmeny v stĺpcoch s údajmi použitých na trénovanie modelu. Predvolene sú vybraté všetky relevantné stĺpce. Výber stĺpcov, ktoré môžu prispievať k nižšej presnosti modelu, môžete zrušiť. Ak neviete, čo tu robiť, nemajte obavy. AI Builder pokúsi sa nájsť stĺpce, ktoré poskytujú najlepší možný model. V prípade vzorových údajov nechajte všetko tak, ako je, a vyberte možnosť Ďalej.

Dôležité informácie o výbere údajových stĺpcov

Najdôležitejšia vec, ktorú treba vziať do úvahy, je, či stĺpec, ktorý nie je stĺpcom historického výsledku, nie je nepriamo určovaný výstupom.

Povedzme, že chcete predpovedať, či sa zásielka oneskorí. V údajoch možno máte skutočný dátum doručenia. Tento dátum je prítomný až po doručení objednávky. Takže, ak zahrniete tento stĺpec, model bude mať takmer 100-percentnú presnosť. Objednávky, ktoré chcete predpovedať, ešte nebudú doručené a nebudú mať vyplnený stĺpec dátumu doručenia. Preto by ste mali pred trénovaním zrušiť výber stĺpcov, akým je toto. V strojovom učení sa to nazýva únik cieľa alebo únik údajov. AI Builder snaží sa filtrovať stĺpce, ktoré sú „príliš dobré na to, aby to bola pravda“, ale mali by ste ich aj tak skontrolovať.

Poznámka

Pri výbere dátových polí sa niektoré dátové typy – napríklad Obrázok, ktorý nemožno použiť ako vstup na trénovanie modelu – nezobrazujú. Systémové stĺpce, ako napríklad Čas vytvorenia, sú predvolene vylúčené.

Ak máte súvisiace tabuľky, ktoré by mohli zvýšiť výkon predpovedania, môžete ich zahrnúť tiež. Rovnako ako v prípade, keď ste chceli predpovedať, či dôjde k odchodu zákazníka, mali by ste do samostatnej tabuľky zahrnúť ďalšie informácie. AI Builder v súčasnosti podporuje vzťahy typu „mnohí k jednému“.

Filtrovanie údajov

Po výbere údajových stĺpcov na trénovanie môžete údaje filtrovať. Vaše tabuľky budú obsahovať všetky riadky. Možno by ste sa chceli koncentrovať na trénovanie a predpovedanie na podmnožine riadkov. Ak viete, že tabuľka, ktorú používate na trénovanie modelu, obsahuje aj irelevantné údaje, v tomto kroku ich môžete odfiltrovať.

Ak napríklad použijete filter, aby sa pozornosť sústredila len na oblasť Spojených štátov, model bude trénovať na riadkoch, pre ktoré je známy výstup len pre oblasť Spojených štátov. Pri trénovaní tohto modelu sa budú vytvárať predpovede len pre riadky, pre ktoré nie je známy výstup len pre oblasť Spojených štátov.

Filtrovanie funguje rovnako ako v Editore zobrazenia služby Power Apps. Začnite pridaním:

  • Riadka, ktorý obsahuje jednu podmienku filtra.
  • Skupiny, ktorá umožňuje vnoriť podmienky filtra.
  • Súvisiacej tabuľky, ktorá umožňuje vytvoriť podmienku filtra v rámci súvisiacej tabuľky.

Vyberte stĺpec, operátor a hodnotu, ktorá reprezentuje podmienku filtra. Pomocou začiarkavacích políčok môžete riadky zoskupiť alebo ich hromadne odstrániť.

Nasledujúci krok

Trénovanie a publikovanie vášho predikčného modelu