Vytvoření a používání prediktivních modelů Oracle Analytics

Prediktivní model Oracle Analytics používá specifický algoritmus na datovou sadu, aby předpovídal hodnoty, třídy, nebo identifikoval skupiny v datech.

K predikci dat můžete použít také modely strojového učení Oracle.

Služba Oracle Analytics zahrnuje algoritmy, které vám pomohou trénovat prediktivní modely pro různé účely. Mezi příklady algoritmů patří klasifikační a regresní stromy (CART), logistická regrese a k-means (nehierarchická shluková analýza).

Editor datového toku lze použít k prvnímu trénování modelu na trénovací datové sadě. Po trénování prediktivního modelu je možné ho použít na datové sady, které chcete předpovědět.

Trénovaný model můžete zpřístupnit ostatním uživatelům, kteří ho budou používat na svá data, aby předpovídal jejich hodnoty. V některých případech někteří uživatelé trénují modely a jiní je používají na data.

Dokončený model použijte k ohodnocení neznámých nebo neoznačených dat a generování datové sady v rámci toku dat nebo k přidání vizualizace předpovědi do sešitu.

Služba Oracle Analytics poskytuje algoritmy pro všechny možné potřeby v oblasti modelování u strojového učení: číselné předpovědi, násobné klasifikace, binární klasifikace a shlukování.

Funkčnost strojového učení Oracle je určena pro pokročilé datové analytiky, kteří vědí, co v datech hledají, mají již za sebou praxi ve vytváření prediktivních analýz a rozumí rozdílům mezi algoritmy.

Uživatelé obvykle chtějí vytvářet více predikčních modelů, porovnat je a zvolit si ten, který s nejvyšší pravděpodobností poskytuje výsledky, které uspokojí kritéria a požadavky. Tato kritéria se mohou lišit. Někdy si uživatelé vyberou modely, které mají lepší celkovou přesnost, jindy zvolí modely s chybami přinejmenším typu I (falešná pozitiva) a typu II (falešná negativa), a někdy si uživatelé vyberou modely vracející výsledky rychleji a s přijatelnou úrovní přesnosti, i když tyto výsledky nejsou ideální.

Oracle Analytics obsahuje několik algoritmů strojového učení pro každý druh predikce nebo klasifikace. S pomocí těchto algoritmů mohou uživatelé vytvářet více než jeden model nebo použít různé, více vyladěné parametry, nebo použít různé vstupní trénovací datové sady a nakonec vybrat nejlepší model. Uživatel si může zvolit nejlepší model porovnáním a vážením modelů podle svých vlastních kritérií. Pro určení nejlepšího modelu může uživatel modely použít a vizualizovat výsledky výpočtů, aby určil jejich přesnost, nebo může otevřít a prozkoumat související datové sady, které služba Oracle Analytics používá pro model.

Více informací o konkrétním algoritmu najdete v této tabulce:

Když používáte data ze služby Oracle Autonomous Data Warehouse, můžete k doporučení a trénování prediktivního modelu použít funkci AutoML. Funkce AutoML provede analýzu dat, výpočet nejlepšího použitelného algoritmu a registraci modelu předpovědi ve službě Oracle Analytics, abyste mohli vytvářet předpovědi na základě svých dat.

1. Na domovské stránce klikněte na položku Vytvořit a poté klikněte na volbu Datový tok.
2. V seznamu Přidat datovou sadu vyberte datovou sadu založenou na službě Oracle Autonomous Data Warehouse a obsahující data k analýze.
3. Klikněte na položku Přidat krok a poté na volbu AutoML.
4. U pole Cíl klikněte na položku Vybrat sloupec a vyberte sloupec dat obsahující hodnotu, kterou se snažíte předpovědět.
   Pokud chcete například předpovědět úbytek zaměstnanců, můžete vybrat pole s názvem ATTRITION obsahující hodnotu „TRUE“ nebo „FALSE“, která vyjadřuje, zda zaměstnanci opustili organizaci nebo nikoli.
   

   
   .png''

   
   
5. Navržené hodnoty, které doporučuje služba Oracle Analytics, přijměte v polích Typ úlohy a Metrika hodnocení modelu, nebo vyberte jiný algoritmus.
6. Klikněte na tlačítko Uložit model a zadejte název generovaného modelu předpovědi.
7. Klikněte na tlačítko Uložit a zadejte název datového toku.
8. Kliknutím na tlačítko Spustit proveďte analýzu dat a generujte prediktivní model.
9. Na domovské stránce klikněte na položky Navigovat a Strojové učení, poté klikněte pravým tlačítkem myši na generovaný model a vyberte možnost Zkontrolovat.

Na základě problému, který je třeba vyřešit, zkušený datový analytik vybere vhodný algoritmus k trénování prediktivního modelu a poté vyhodnotí výsledky modelu.

1. Na domovské stránce klikněte na položku Vytvořit a poté vyberte volbu Datový tok.
2. Vyberte datovou sadu, kterou chcete použít k trénování modelu. Klikněte na tlačítko Přidat.
3. V editoru datového toku klikněte na tlačítko Přidat krok (+).
   Po přidání datové sady můžete buď použít všechny sloupce v datové sadě k sestavení modelu, nebo vybrat jen relevantní sloupce. Výběr relevantních sloupců vyžaduje znalost datové sady. Ignorujte sloupce, o kterých víte, že neovlivní chování výsledku nebo které obsahují redundantní informace. Pouze relevantní sloupce můžete zvolit tak, že přidáte krok Vybrat sloupce. Pokud si nejste jisti tím, které sloupce jsou relevantní, použijte všechny sloupce.
4. Vyberte jeden z kroků trénování modelu (například Trénink numerické předpovědi nebo Trénink shlukování).
5. Vyberte algoritmus a klikněte na tlačítko OK.
6. Pokud pracujete s modelem pod dohledem, například predikcí nebo klasifikací, klikněte na tlačítko Cíl a vyberte sloupec, který chcete předpovědět. Například při vytváření modelu pro předpověď příjmů osoby vyberte sloupec Příjem.
   Pokud pracujete s modelem bez dozoru, například shlukováním, není nutný žádný cílový sloupec.
7. Změnou výchozího nastavení modelu vyladíte a vylepšíte přesnost predikovaného výstupu. Tato nastavení určuje model, se kterým pracujete.
8. Klikněte na tlačítko Uložit model a zadejte název a popis.
9. Klikněte na tlačítko Uložit, zadejte název a popis datového toku a kliknutím na tlačítko OK jej uložte.
10. Kliknutím na tlačítko Spustit datový tok vytvoříte prediktivní model na základě vstupní datové sady a zadaných nastavení modelu.

Po vytvoření prediktivního modelu a spuštění datového toku můžete zkontrolovat informace o modelu a určit jejich přesnost. Na základě těchto informací můžete postupně upravovat nastavení modelu, zlepšovat jeho přesnost a předpovídat lepší výsledky.

Při vytváření scénáře v sešitu aplikujte na datovou sadu sešitu prediktivní model, který odhalí trendy a vzorce, které má model vyhledat.

1. Na domovské stránce klikněte na položku Vytvořit a poté klikněte na volbu Sešit.
2. Vyberte datovou sadu, kterou chcete použít k vytvoření sešitu, a klikněte na tlačítko Přidat do sešitu.
3. V podokně Data klikněte na tlačítko Přidat a zvolte položku Vytvořit scénář.
4. V dialogovém okně Vytvořit scénář – Vybrat model zvolte model a klikněte na tlačítko OK.
   Můžete použít pouze prediktivní model. Model strojového učení Oracle použít nelze.
   Pokud jednotlivé vstupy modelu nelze spárovat s datovým prvkem, zobrazí se dialog Namapovat data na model.
5. Pokud se zobrazí dialog Namapovat data na model, v poli Datová sada vyberte datovou sadu, která se má použít s modelem.
6. Podle potřeby spárujte vstup modelu s datovými prvky. Klikněte na tlačítko Hotovo.
   Scénář se v podokně Datové prvky zobrazí jako datová sada.
7. Přetáhněte prvky z datové sady a modelu na kanvas Vizualizovat.
8. Chcete-li scénář upravit, klikněte na něj pravým tlačítkem v podokně Datové prvky a vyberte volbu Upravit scénář.
9. Podle potřeby změňte datovou sadu a aktualizujte mapování vstupu modelu a datových prvků.
10. Kliknutím na tlačítko Uložit uložte sešit.