Tworzenie i konfigurowanie eksperymentu

Pierwszym krokiem jest utworzenie i skonfigurowanie eksperymentu. Użyjesz przesłanego wcześniej treningowego zestawu danych do wytrenowania modelu, aż będzie gotowy do wdrożenia w celu generowania prognoz.

Tworzenie nowego eksperymentu

Wykonaj następujące czynności:

1. Przejdź do strony Tworzenie w Analytics centrum aktywności i wybierz Eksperyment ML.

2. Wprowadź nazwę eksperymentu, na przykład Customer churn tutorial.

3. Opcjonalnie dodaj opis i tagi.

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

5. Kliknij Utwórz.

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

   • ML - Churn data - training.csv

   • ML - Churn data - training.qvd

Przeglądanie danych

Teraz wszystko jest gotowe do rozpoczęcia konfigurowania eksperymentu, ale zanim zaczniesz, przyjrzyjmy się zestawowi danych.

Zaczynamy w zakładce Konfiguracja. Widokiem domyślnym jest Widok schematu. Widzimy tutaj tabelę, w której każdy wiersz reprezentuje kolumnę w zestawie danych. Statystyki i wglądy zostały wygenerowane w ramach automatycznego przygotowania danych. Może być konieczne przewinięcie schematu w prawą stronę, aby zobaczyć Wglądy.

Widzimy, że kolumna AccountID została wykluczona ze względu na wysoką kardynalność. Oznacza to, że kolumna zawiera zbyt wiele unikalnych wartości. Cecha Country została wykluczona z przeciwnego 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 na podstawie wpływu. Najedź kursorem na ikonę ostrzeżenia oraz informacji , aby uzyskać więcej informacji.

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

Wybór celu

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

Wykonaj następujące czynności:

1. Przełącz się z powrotem na Widok schematu.

2. Najedź kursorem na pozycję Churned i kliknij ikonę celu , która się pojawi.

W panelu konfiguracji eksperymentu rozwiń sekcję Ustawienia eksperymentu. Zobaczysz, że kolumna Churned została wybrana jako cel. Na podstawie celu i dostępnych danych cech Typ eksperymentu to Klasyfikacja binarna.

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

Wybór cech i optymalizacja modelu

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

Wybór cech można skonfigurować ręcznie w sekcji Cechy panelu konfiguracji. W przypadku inteligentnej optymalizacji modelu wybór cech odbywa się automatycznie poprzez usuwanie nieprzydatnych cech. Przy włączonym tym ustawieniu możemy uwzględnić wszystkie dostępne cechy w treningu.

Trenowanie eksperymentu

Konfiguracja została zakończona i wszystko jest gotowe do rozpoczęcia treningu.

Wykonaj następujące czynności:

• Kliknij Uruchom eksperyment.

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