Ir para conteúdo principal Pular para conteúdo complementar

Criando e configurando o experimento

A primeira etapa é criar e configurar o experimento. Você usará o conjunto de dados de treinamento que carregou anteriormente para treinar o modelo até que esteja pronto para ser implementado para fazer previsões.

Criando um novo experimento

  1. Vá para a página Criar do centro de atividades do Análises e selecione Experimento de ML.

  2. Insira um nome para seu experimento, por exemplo, Tutorial de desistência de clientes.

  3. Opcionalmente, adicione uma descrição e tags.

  4. Escolha um espaço para seu experimento. Pode ser seu espaço pessoal ou um espaço compartilhado.

  5. Clique em Criar.

  6. Selecione o arquivo do conjunto de dados de treinamento. Isso será um dos seguintes, dependendo se você está trabalhando com CSV ou QVD:

    • ML - Churn data - training.qvd

    • ML - Churn data - apply.qvd

Revisando os dados

Agora você está pronto para começar a configurar seu experimento, mas antes de começar, vamos dar uma olhada no conjunto de dados.

Começamos na guia Dados. A exibição padrão é a Linhas da tabela Exibição de esquema. Aqui podemos ver uma tabela em que cada linha representa uma coluna em seu conjunto de dados. Estatísticas e insights foram gerados na preparação automática de dados. Talvez seja necessário rolar para o lado direito do esquema para ver as Ideias.

Podemos ver que AccountID foi excluído devido à alta cardinalidade. Isso significa que a coluna contém muitos valores exclusivos. O recurso Country foi excluído pelo motivo contrário: o valor é o mesmo para todas as linhas.Esses dois recursos não forneceriam nenhum valor aos modelos de aprendizado de máquina.

Também podemos ver que o traço categórico Territory foi codificado por impacto. Posicione o mouse sobre os ícones de aviso Triângulo de advertência e de informações Triângulo de advertência para obter mais informações.

Exibição de esquema para o conjunto de dados de treinamento no Qlik Predict

Visualização de esquema em experimentos de ML com ideias sobre recursos.

Clique em Exibição de dados Exibição de dados. Nessa exibição, podemos ver mais informações sobre cada coluna, incluindo dados de amostra.

Exibição de dados

Exibição de dados na configuração do experimento.

Selecionando um alvo

Queremos que nosso modelo de aprendizado de máquina preveja o cancelamento de clientes, então selecionamos Churned, a coluna final do conjunto de dados, como nosso alvo.

  1. Volte para Linhas da tabela Exibição de esquema.

  2. Posicione o mouse sobre Churned e clique no ícone Alvo de destino que é exibido.

Uma linha na exibição de esquema é selecionada como alvo

Linha da tabela para o alvo selecionado.

No painel de configuração do experimento, agora podemos ver que Churned foi selecionado. Também podemos ver quais recursos são selecionados e excluídos automaticamente. Churned é o destino, então não será usado como um recurso. Podemos ver também que este experimento será tratado como um problema de classificação binária.

Informações mostradas no painel Configuração do experimento

Painel de configuração de experimento com seleção de destino e recurso padrão

Seleção de recursos e otimização de modelos

Por padrão, o experimento é definido para usar otimização de modelo inteligente. Para confirmar, expanda Otimização de modelo no painel de configuração do experimento. A opção Inteligente deve ser selecionada.

Confirmando a otimização de modelo inteligente no painel Configuração do experimento

Painel de configuração do experimento com otimização de modelo inteligente ativada

A seleção de recursos pode ser configurada manualmente na seção Recursos do painel de configuração. Com a otimização de modelo inteligente, a seleção de recursos é tratada automaticamente pela remoção de recursos inúteis. Com essa configuração ativada, podemos incluir todos os recursos disponíveis no treinamento.

Treinando o experimento

A configuração está concluída, e estamos prontos para iniciar o treinamento.

  • No canto inferior direito da janela do experimento, clique em Executar experimento.

Quando a execução do experimento terminar, podemos passar para a próxima etapa, que é revisar as métricas do modelo resultante.

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo – um erro de digitação, uma etapa ausente ou um erro técnico – avise-nos!