共用方式為

建立預測模型

  • 發行項

此範例會建立一個 Power Apps 預測 AI 模型，該模型使用 Microsoft Dataverse 中的「線上購物者意圖」資料表。 若要將此範例資料匯入您的 Microsoft Power Platform 環境，請在建立環境時，按照在 AI Builder 中建立模型中所述，啟用部署範例應用程式和資料設定。 或者，依照資料準備中更詳細的指示進行。 範例資料置入 Dataverse 之後，依照下列步驟建立您的模型。

  1. 登入 Power Apps 或 Power Automate。

  2. 在左窗格中，選取 ... 更多>AI 中樞。

  3. 在探索 AI 功能下，選擇 AI 模型。

    (選用) 若要將 AI 模型永久保留在選單上以便於存取，請選擇圖釘圖示。

  4. 選取預測 - 根據歷史資料預測未來結果。

  5. 選取建立自訂模型。

選取歷史結果

考慮想要讓 AI Builder 進行的預測。 例如，對於「此客戶會流失嗎？」，請思考下列這些問題：

  • 包含有關客戶流失資訊的資料表在哪裡？
  • 是否有某個資料行特別說明客戶是否已經流失？
  • 資料行中是否包含未知項目，因而導致了不確定性？

使用這項資訊做出您的選擇。 與提供的範例資料搭配使用時，考慮的問題是「這個與我的線上商店互動過的使用者是否有做購買？」如果他們有，那麼該客戶應該有營收。 因此，此客戶是否有任何營收，應該會是歷史結果。 無論這項資訊是否為空的，AI Builder 都可以協助進行預測。

  1. 在資料表下拉式功能表中，選取包含資料和您想要預測之結果的資料表。 如需範例資料，請選取線上顧客意圖。

  2. 在資料行下拉式功能表中，選取包含結果的資料行。 如需範例資料，請選取營收 (標籤)。 或者，如果您想要嘗試預測數字，請選取 ExitRates。

  3. 如果選取的選項組包含兩個以上的結果，請考慮將其對應到「是」或「否」，因為您想要預測某件事是否會發生。

  4. 如果您想預測多個結果，請使用範例中的巴西電子商務資料集，然後在資料表下拉式功能表中選取 BC 訂單，並在資料行下拉式功能表中選取交貨時間表。

注意

AI Builder 支援這些資料類型的結果資料行：

  • 是/否
  • Choices
  • 整數
  • 十進位數
  • 浮點數
  • 貨幣

選取資料行來定型您的模型

在選取資料表與資料行並對應您的結果之後，就可以對用來將模型定型的資料行進行變更。 根據預設，系統會選取所有相關資料行。 您可以取消選取可能會導致模型不精確的資料行。 如果您不知道怎麼做，請別擔心。 AI Builder 將會嘗試尋找提供最佳模型的資料行。 針對範例資料，請將所有項目保持原狀，然後選取下一步。

資料資料行選擇考量

此處最重要的考慮事項為：不屬於歷史結果資料行的資料行是否由結果間接決定。

假設您想要預測出貨是否會延遲。 您的資料中可能有實際的交貨日期。 該日期只會在訂單已交貨之後才會出現。 因此，如果您包含此資料行，模型將會具有接近百分之 100的準確度。 您想要預測的訂單還沒有遞送，因此其已遞送資料行也不會填入任何內容。 因此，您應該在定型之前取消選取此類資料行。 在機器學習中，這稱為目標外洩或資料外洩。 AI Builder 會嘗試將「太過理想」的資料行篩選掉，但您仍應該檢查。

Note

選取資料欄位時，有些資料類型 (例如無法做為將模型定型所需之輸入的影像) 不會出現。 此外，預設會排除 [建立於] 等系統資料行。

如果您有可改善預測效能的相關資料表，您也可以包含那些實體。 正如您想要預測客戶是否會流失時所做的那樣，您應該包含可能位於不同資料表中的其他資訊。 AI Builder 目前支援多對一關聯性。

篩選您的資料

選取要用於定型的資料行之後，您可以篩選資料。 您的資歷表將會包含所有資料列。 不過，您可能會想要專注於資料列子集的定型及預測。 若您知道用來將模型定型的相同資料表中有不相關的資料，您可以使用此步驟加以篩選。

例如，如果您套用篩選以僅查看美國地區，模型將會針對只有美國地區才知道結果的資料列進行定型。 當將此模型定型時，其只會針對不是只有美國地區才知道結果的資料列進行預測。

篩選體驗與 Power Apps 檢視編輯器中的相同。 開始先新增：

  • 包含單一篩選條件的資料列。
  • 可讓您為篩選條件進行巢狀處理的群組。
  • 可讓您在相關資料表上建立篩選條件的相關資料表。

選取代表篩選條件的資料行、運算子與值。 您可以使用核取方塊將資料列組成群組，或大量刪除資料列。

後續步驟

定型和發佈您的預測模型