Tworzenie i konfigurowanie eksperymentu

Pierwszym krokiem jest utworzenie i skonfigurowanie eksperymentu. Użyjesz zestawu danych treningowych przesłanego wcześniej do trenowania modelu, dopóki nie będzie gotowy do wdrożenia w celu tworzenia predykcji.

Tworzenie nowego eksperymentu

Wykonaj następujące czynności:

1. Przejdź na stronę Tworzenie w Analytics centrum aktywności i wybierz Eksperyment ML.

2. Wprowadź nazwę eksperymentu, na przykład Samouczek dotyczący rezygnacji klientów.

3. Opcjonalnie dodaj opis i tagi.

4. Wybierz przestrzeń dla swojego eksperymentu. Może to być Twoja przestrzeń prywatna lub przestrzeń udostępniana.

5. Kliknij Utwórz.

6. Wybierz plik zestawu danych treningowych. Będzie to jeden z poniższych, w zależności od tego, czy pracujesz z plikiem CSV, czy QVD:

   • ML - Churn data - training.csv

   • ML - Churn data - training.qvd

Przeglądanie danych

Teraz możesz rozpocząć konfigurowanie eksperymentu, ale zanim zaczniesz, przyjrzyjmy się zestawowi danych.

Zaczynamy na karcie Konfiguracja. Domyślnym widokiem jest Widok schematu. Tutaj widzimy tabelę, w której każdy wiersz reprezentuje kolumnę w zestawie danych. Statystyki i spostrzeżenia zostały wygenerowane w ramach automatycznego przygotowania danych. Może być konieczne przewinięcie do prawej strony schematu, aby zobaczyć Spostrzeżenia.

Widzimy, że kolumna AccountID została wykluczona z powodu wysokiej kardynalności. Oznacza to, że kolumna zawiera zbyt wiele unikalnych wartości. Cecha Country została wykluczona z odwrotnego powodu: wartość jest taka sama dla wszystkich wierszy. Te dwie cechy nie wniosłyby żadnej wartości do modeli uczenia maszynowego.

Widzimy również, że kategoryczna cecha Territory została zakodowana pod kątem wpływu. Najedź kursorem na ikony ostrzeżenia i informacji , aby uzyskać więcej informacji.

Kliknij Widok danych. W tym widoku możemy zobaczyć więcej informacji o każdej kolumnie, w tym dane przykładowe.

Wybieranie celu

Chcemy, aby nasz model uczenia maszynowego przewidywał rezygnację klientów, dlatego jako nasz cel wybieramy Churned, ostatnią kolumnę w zestawie danych.

Wykonaj następujące czynności:

1. Przełącz z powrotem na Widok schematu.

2. Kliknij przycisk opcji dla Churned.

W panelu konfiguracji eksperymentu rozwiń Ustawienia eksperymentu. Możesz zobaczyć, że Churned zostało wybrane jako cel. Na podstawie Twojego celu i dostępnych danych cech, Typ eksperymentu to Klasyfikacja binarna.

Możesz również zobaczyć, które cechy są automatycznie wybierane i wykluczane. Churned jest celem, więc nie będzie używane jako cecha.

Wybór cech i optymalizacja modelu

Domyślnie eksperyment jest ustawiony na korzystanie z inteligentnej optymalizacji modelu. Aby to potwierdzić, rozwiń Optymalizacja modelu w panelu konfiguracji eksperymentu. Opcja Inteligentna powinna być wybrana.

Wybór cech można skonfigurować ręcznie w sekcji Cechy panelu konfiguracji. Dzięki inteligentnej optymalizacji modelu wybór cech jest obsługiwany automatycznie poprzez usuwanie nieprzydatnych cech. Przy włączonym tym ustawieniu możemy uwzględnić wszystkie dostępne cechy w trenowaniu.

Trenowanie eksperymentu

Konfiguracja jest zakończona i jesteśmy gotowi do rozpoczęcia trenowania.

Wykonaj następujące czynności:

• Kliknij Uruchom eksperyment.

Po zakończeniu działania eksperymentu możemy przejść do następnego kroku, którym jest przegląd wynikowych metryk modelu.