Нотатка
Доступ до цієї сторінки потребує авторизації. Можна спробувати ввійти або змінити каталоги.
Доступ до цієї сторінки потребує авторизації. Можна спробувати змінити каталоги.
Цей приклад створює модель штучного інтелекту Power Apps прогнозування, яка використовує таблицю намірів онлайн-покупця в Microsoft Dataverse. Щоб отримати ці зразки даних у своє Microsoft Power Platform середовище, увімкніть параметр Розгортати зразки програм і даних під час створення середовища, як описано в розділі Створення моделі AI Builder. Або дотримуйтесь більш детальних інструкцій у розділі Підготовка даних. Отримавши Dataverse зразки даних, дотримуйтеся цих вказівок, щоб створити модель.
Увійдіть в АБО Power AppsPower Automate.
На лівій панелі виберіть ... Більше>AI hub.
У розділі Знайомство з можливостями штучного інтелекту виберіть моделі штучного інтелекту.
(Необов’язково) Щоб моделі штучного інтелекту постійно залишалися в меню для легкого доступу, виберіть значок шпильки.
Виберіть Прогнозування - Прогнозуйте майбутні результати на основі історичних даних.
Виберіть Створити власну модель.
Виберіть свій історичний результат
Подумайте про передбачення, яке ви хочете AI Builder зробити. Наприклад, на запитання «Чи буде цей клієнт відтікати?», подумайте про такі запитання:
- Де знаходиться таблиця, яка містить інформацію про відтік клієнтів?
- Чи є там колонка, в якій конкретно зазначено, чи продавав клієнт?
- Чи є в стовпці невідомі, які можуть спричинити невизначеність?
Використовуйте цю інформацію, щоб робити свій вибір. Працюючи з наданими зразками даних, виникає питання: «Чи здійснив покупку цей користувач, який взаємодіяв з моїм інтернет-магазином?». Якщо вони це зробили, то цей клієнт повинен отримати дохід. Отже, чи є дохід у цього клієнта, має бути історичним результатом. Скрізь, де ця інформація порожня, є місце, де AI Builder ви можете зробити прогноз.
У випадаючому меню Таблиця виберіть таблицю з даними та результатом, який потрібно передбачити. Для прикладу даних виберіть Намір покупця в Інтернеті.
У випадаючому меню Стовпець виберіть стовпець, який містить результат. Для зразків даних виберіть Дохід (мітка). Або, якщо ви хочете спробувати передбачити число, виберіть ExitRates.
Якщо ви вибрали набір параметрів, який містить два або більше результатів, подумайте про те, щоб зіставити його з «Так» або «Ні», оскільки ви хочете передбачити, чи станеться щось.
Якщо ви хочете передбачити кілька результатів, скористайтеся набором даних електронної комерції в Бразилії у зразку та виберіть Замовлення BC у спадному меню Таблиця та Терміни доставки в розкривному меню Стовпець .
Нотатка
AI Builder Підтримує такі типи даних для стовпця результатів:
- Так або ні
- Набір параметрів з множинним вибором
- Ціле число
- Десяткове число
- Число з рухомою комою
- Currency
Виберіть стовпці даних, щоб навчити модель
Після того, як ви виберете таблицю та стовпець і зіставите свої результати, ви зможете внести зміни до стовпців даних, які використовуються для навчання моделі. За замовчуванням вибираються всі відповідні стовпці. Ви можете скасувати виділення стовпців, які можуть сприяти створенню менш точної моделі. Якщо ви не знаєте, що тут робити, не хвилюйтеся. AI Builder постараємося знайти колонки, які забезпечать найкращу модель з усіх можливих. Для зразка даних просто залиште все як є та натисніть Далі.
Міркування щодо вибору стовпців даних
Найважливіше, що слід враховувати тут, це те, чи стовпець, який не є вашим стовпцем історичних результатів, опосередковано визначається результатом.
Скажімо, ви хочете передбачити, чи буде відправлення затримано. У ваших даних може бути вказана фактична дата доставки. Ця дата присутня лише після доставки замовлення. Отже, якщо включити цю колонку, модель матиме точність, близьку до 100 відсотків. Замовлення, які ви хочете передбачити, ще не будуть доставлені, і в них не буде заповнено стовпець із датою доставки. Отже, вам слід зняти такі стовпці перед тренуванням. У машинному навчанні це називається витоком цілей або витоком даних. AI Builder намагається відфільтрувати стовпці, які «занадто хороші, щоб бути правдою», але ви все одно повинні їх перевірити.
Нотатка
Коли ви вибираєте поля даних, деякі типи даних, як-от «Зображення», які не можна використовувати як вхідні дані для навчання моделі, не відображаються. Крім того, системні стовпці, як-от «Створено вві», виключені за замовчуванням.
Використання даних із пов’язаних таблиць
Якщо у вас є пов’язані таблиці, які можуть покращити ефективність прогнозу, ви також можете включити їх. Як і під час прогнозування відтоку клієнтів, слід включити додаткову інформацію, яка може бути в окремій таблиці. AI Builder підтримує відносини «багато до одного» в цей час.
Фільтрування даних
Вибравши стовпці даних для навчання, можна відфільтрувати дані. Ваші таблиці міститимуть усі рядки. Однак ви можете зосередитися на тренуваннях і прогнозуванні на підмножині рядків. Якщо ви знаєте, що в тій самій таблиці, яку ви використовуєте для навчання моделі, є нерелевантні дані, ви можете відфільтрувати їх за допомогою цього кроку.
Наприклад, якщо застосувати фільтр лише до регіону США, модель тренуватиметься в рядках, де результат відомий лише для регіону США. Коли ця модель навчена, вона буде робити прогноз лише для рядів, де результат невідомий лише для регіону США.
Можливості фільтрування такі самі, як і в редакторі Power Apps представлень. Почніть з додавання:
- Рядок, який містить одну умову фільтра.
- Група, за допомогою якої ви можете вкласти вкладені умови фільтрування.
- Пов’язана таблиця, яка дозволяє створити умову фільтра на пов’язаній таблиці.
Виберіть стовпець, оператор і значення, яке представляє умову фільтра. Ви можете використовувати ці прапорці для групування рядків або групового видалення рядків.