Creazione e configurazione dell'esperimento

Il primo passo consiste nel creare e configurare l'esperimento. Si utilizzerà il dataset 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. Immettere un nome per l'esperimento, ad esempio, Customer churn tutorial.

3. Facoltativamente, aggiungere una descrizione e 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 dataset 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 dataset.

Si inizia nella scheda Configurazione. La vista predefinita è la Vista schema. Qui è possibile vedere una tabella in cui ogni riga rappresenta una colonna nel dataset. Le statistiche e le informazioni dettagliate sono state generate nella preparazione dati automatica. Potrebbe essere necessario scorrere verso il lato destro dello schema per vedere le Informazioni dettagliate.

È possibile notare 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.

Si può anche notare che la funzionalità categoriale Territory è stata codificata in base all'impatto. Passare il mouse sulle icone di avviso e informazioni per ulteriori informazioni.

Fare clic su Vista dati. In questa vista è possibile visualizzare ulteriori informazioni su ciascuna colonna, inclusi i dati campione.

Selezione di un target

Desideriamo che il nostro modello di machine learning preveda l'abbandono dei clienti (churn), pertanto selezioniamo Churned, l'ultima colonna del dataset, come target.

Procedere come indicato di seguito:

1. Tornare alla Vista schema.

2. Passare il mouse su Churned e fare clic sull'icona del target visualizzata.

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

È inoltre possibile vedere quali funzionalità vengono selezionate ed escluse automaticamente. Churned è il target, pertanto 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 deve 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 mediante la rimozione delle funzionalità non utili. Con questa impostazione attivata, è possibile includere tutte le funzionalità disponibili nell'addestramento.

Addestramento dell'esperimento

La configurazione è completata e si è pronti per avviare l'addestramento.

Procedere come indicato di seguito:

• Fare clic su Esegui esperimento.

Al termine dell'esecuzione dell'esperimento, è possibile passare alla fase successiva, ovvero la revisione delle metriche del modello risultanti.