Creazione e configurazione dell'esperimento

Il primo passaggio consiste nel creare e configurare l'esperimento. Si utilizzerà il set di dati di addestramento caricato in precedenza per addestrare il modello finché non sarà pronto per essere distribuito per effettuare previsioni.

Creazione di un nuovo esperimento

Procedere come indicato di seguito:

1. Andare alla pagina Crea del centro attività di Analisi e selezionare Esperimento ML.

2. Inserire un nome per l'esperimento, ad esempio Tutorial sull'abbandono dei clienti.

3. Facoltativamente, aggiungere una descrizione e dei tag.

4. Scegliere uno spazio per l'esperimento. Può essere il proprio spazio personale o uno spazio condiviso.

5. Fare clic su Crea.

6. Selezionare il file del set di dati di addestramento. Sarà uno dei seguenti, a seconda che si stia lavorando con CSV o QVD:

   • ML - Churn data - training.csv

   • ML - Churn data - training.qvd

Revisione dei dati

Ora si è pronti per iniziare a configurare l'esperimento, ma prima di iniziare, diamo un'occhiata al set di dati.

Iniziamo dalla scheda Configurazione. La vista predefinita è la Vista schema. Qui possiamo vedere una tabella in cui ogni riga rappresenta una colonna nel set di dati. Le statistiche e gli approfondimenti sono stati generati nella preparazione dati automatica. Potrebbe essere necessario scorrere verso il lato destro dello schema per visualizzare gli Approfondimenti.

Possiamo vedere che AccountID è stato escluso a causa dell'elevata cardinalità. Ciò significa che la colonna contiene troppi valori univoci. La funzionalità Country è stata esclusa per il motivo opposto: il valore è lo stesso per tutte le righe. Queste due funzionalità non fornirebbero alcun valore ai modelli di machine learning.

Possiamo anche vedere che la funzionalità categorica Territory è stata codificata in base all'impatto. Passare il mouse sopra le icone di avviso e di informazione per ulteriori informazioni.

Fare clic su Vista dati. In questa vista, possiamo vedere ulteriori informazioni su ciascuna colonna, inclusi i dati campione.

Selezione di un target

Vogliamo che il nostro modello di machine learning preveda l'abbandono dei clienti, quindi selezioniamo Churned, l'ultima colonna nel set di dati, come nostro target.

Procedere come indicato di seguito:

1. Tornare alla Vista schema.

2. Fare clic sul pulsante di opzione per Churned.

Nel pannello di configurazione dell'esperimento, espandere Impostazioni esperimento. È possibile vedere che Churned è stato selezionato come target. In base al target e ai dati della funzionalità disponibili, il Tipo di esperimento è Classificazione binaria.

È inoltre possibile vedere quali funzionalità vengono selezionate ed escluse automaticamente. Churned è il target, quindi non verrà utilizzato come funzionalità.

Selezione delle funzionalità e ottimizzazione del modello

Per impostazione predefinita, l'esperimento è impostato per utilizzare l'ottimizzazione intelligente del modello. Per confermare, espandere Ottimizzazione modello nel pannello di configurazione dell'esperimento. L'opzione Intelligente dovrebbe essere selezionata.

La selezione delle funzionalità può essere configurata manualmente nella sezione Funzionalità del pannello di configurazione. Con l'ottimizzazione intelligente del modello, la selezione delle funzionalità viene gestita automaticamente rimuovendo le funzionalità non utili. Con questa impostazione attivata, possiamo includere tutte le funzionalità disponibili nell'addestramento.

Addestramento dell'esperimento

La configurazione è terminata e siamo pronti per iniziare l'addestramento.

Procedere come indicato di seguito:

• Fare clic su Esegui esperimento.

Al termine dell'esecuzione dell'esperimento, possiamo passare al passaggio successivo, che consiste nel rivedere le metriche del modello risultante.