Crear y configurar el experimento
El primer paso es crear y configurar el experimento. Utilizará el conjunto de datos de entrenamiento que cargó anteriormente para entrenar el modelo hasta que esté listo para implementarse y hacer predicciones.
Su experiencia en un experimento de ML es diferente si su administrador del espacio empresarial inquilino ha activado la opción Nueva plataforma de navegación en la Consola de gestión. Por ejemplo, el título de la página AutoML cambia de nombre a Experimento de ML y hay actualizaciones en la barra de navegación. Para más información sobre otros aspectos de la nueva experiencia de navegación, vea Nueva plataforma de navegación.
Crear un nuevo experimento
Haga lo siguiente:
-
En el centro de control de Qlik Cloud Analítica, haga clic en Añadir nuevo y después seleccione Nuevo experimento de ML.
Si está utilizando la nueva experiencia de navegación en la plataforma, vaya a la página Crear y seleccione Experimento de ML.
-
Escriba un nombre para su experimento, por ejemplo, Tutorial sobre abandono de clientes.
-
Si lo desea, agregue una descripción y etiquetas.
-
Elija un espacio para su experimento. Puede ser su espacio personal o un espacio compartido.
-
Haga clic en Crear.
-
Seleccione el archivo Customer churn data - training.csv.
Revisar los datos
Ahora ya está listo para comenzar a configurar su experimento, pero antes de comenzar, echemos un vistazo al conjunto de datos.
Comenzamos en la vista de esquema. Aquí podemos ver una tabla donde cada fila representa una columna de su conjunto de datos. Las estadísticas y los conocimientos se han generado en la preparación automática de datos. Es posible que deba desplazarse hacia el lado derecho del esquema para ver la información de Conocimientos.
Podemos ver que AccountID se ha excluido debido a la alta cardinalidad. Esto significa que la columna contiene demasiados valores únicos. La característica Country se ha excluido por el motivo contrario: el valor es el mismo para todas las filas.Estas dos características no proporcionarían ningún valor a los modelos de aprendizaje automático.
También podemos ver que la característica categórica Territory se ha codificado por impacto. Pase el cursor sobre los iconos de advertencia e información
para más información.
Vista de esquema para conjuntos de datos de entrenamiento en Qlik AutoML
![Haga clic para ver a tamaño completo Columna de tabla con información sobre características.](../../Resources/Images/AutomatedMachineLearning/ui_automl_tutorial-insights.png)
Haga clic en el icono de la vista de datos para cambiar a la vista de datos. Aquí podemos ver más información sobre cada columna, incluidos los datos de muestra.
Vista de datos
![Haga clic para ver a tamaño completo Columna de tabla con información sobre características.](../../Resources/Images/AutomatedMachineLearning/ui_automl_tutorial-data_view.png)
Seleccionar un objetivo
Queremos que nuestro modelo de machine learning prediga el abandono de clientes, por lo que seleccionamos Churned como nuestro objetivo (la última columna del conjunto de datos).
Haga lo siguiente:
-
Haga clic en el icono
para cambiar a la vista de esquema.
-
Pase el cursor sobre Churned y haga clic en el icono
que aparece.
Se selecciona una fila en la vista de esquema como objetivo
![Haga clic para ver a tamaño completo Fila de la tabla para el objetivo seleccionado.](../../Resources/Images/AutomatedMachineLearning/tutorial-target.png)
En el panel de Configuración del experimento, ahora podemos ver que Churned está seleccionado. También podemos ver qué características se seleccionan y excluyen automáticamente. Como Churned es el objetivo, no se usará como característica. También podemos ver que este experimento se tratará como un problema de clasificación binaria.
Información que se muestra en el panel de Configuración del experimento
![Haga clic para ver a tamaño completo Fila de la tabla para el objetivo seleccionado.](../../Resources/Images/automl-tutorial-config-pane.png)
Seleccionar características
Para esta primera ejecución de nuestro experimento, incluiremos todas las características y algoritmos seleccionados de manera predeterminada. No obstante, si ya sabe que ciertas características no tienen influencia en el objetivo, según su conocimiento del negocio, puede anular la selección en este punto para excluirlas del entrenamiento.
Entrenar el experimento
La configuración ya está preparada y estamos listos para comenzar el entrenamiento.
Haga lo siguiente:
En la esquina inferior derecha de la ventana del experimento, haga clic en Ejecutar experimento.
Cuando el experimento haya terminado de ejecutarse, podemos pasar al siguiente paso, que consiste en revisar las métricas resultantes del modelo.