ML-Modelle importieren

Importieren Sie ein vollständig trainiertes ML-Modell in eine Planning-Anwendung, um die Verwendung durch Geschäftsbenutzer vorzubereiten.

Voraussetzung: Bevor Sie das ML-Modell importieren können, muss das Data Science-Team das ML-Modell erstellen, trainieren und als PMML-Datei speichern.

So importieren Sie ein ML-Modell in eine Planning-Anwendung:

1. Klicken Sie auf der Homepage auf IPM, ML-Modelle.
2. Klicken Sie auf Importieren, und verschieben Sie die PMML-Datei per Drag-and-Drop. Alternativ können Sie danach suchen und die Datei auswählen.

   Auf der Seite Modell importieren werden Informationen zur PMML-Datei angezeigt, z.B. die Zielspalte (die Variable für die Prognose mit dem ML-Modell) und das Trainingsdatum.

3. Geben Sie einen Modellnamen und eine Beschreibung ein, und klicken Sie auf Weiter.
4. Geben Sie auf der Seite Regel generieren Informationen zum Generieren einer Groovy-Regel ein, die mit Formularen oder Dashboards verknüpft werden soll:

   Wählen Sie unter Modellzuordnung den Cube aus, in dem das ML-Modell verwendet wird, und definieren Sie den Datenbereich, in dem das ML-Modell verwendet werden soll, indem Sie ein Element oder eine Gruppe von Elementen aus jeder Dimension auswählen.

5. Ordnen Sie Eingabe und Ausgabe den entsprechenden Dimensionen und Elementen im Cube zu, und klicken Sie auf Weiter.

   Die Abschnitte Eingabe und Ausgabe enthalten eine Liste mit Eingabefunktionen (Funktionen/Spalten, die für Prognosen verwendet werden) und Zielfunktion (Spalte mit dem erwarteten Prognosewert). Planning analysiert die PMML-Datei, um die Liste mit Ein- und Ausgaben zu generieren.

   Eingabefunktionen sind unabhängige Variablen, vergleichbar mit Treibern, die als Eingabe für Ihr System fungieren. Wenn Sie Vorhersagen treffen, verwendet das Modell Eingabefunktionen, um Ihre Ausgabe vorherzusagen. In diesem Schritt ordnen Sie die Eingabe aus dem ML-Modell der Ausgabe im Planning-Cube zu. Unter Eingabe wird beschrieben, wie Sie die Daten aus dem ML-Modell extrahieren. Unter Ausgabe wird die Zielkennzahl definiert, die Sie vorhersagen möchten. Außerdem wird festgelegt, wo die Prognosewerte in der Planning-Anwendung eingefügt werden sollen.

   Beispiel: Die Eingabefunktionen für Produkt, Preis und Branchenvolumen können für die Vorhersage des Volumens (in diesem Fall die Ausgabe) verwendet werden.

   • Wählen Sie im Bereich Eingabe für jede Eingabefunktion einen Eingabetyp aus. Wenn Sie Zellenwert oder Element auswählen, wählen Sie in der Planning-Anwendung die Elemente oder Dimensionen für die Zuordnung aus. Eingabetypen:

     • Prompt: Wenn Sie nicht über ein Element oder eine Dimension in Planning verfügen, die diesem Eingabewert beim Erstellen der Vorhersage über das ML-Modell zugeordnet wird, fordern Sie den Benutzer auf, einen Schätzwert einzugeben.
     • Zellenwert: Ordnen Sie eine Eingabefunktion mindestens einem Dimensionselement im Planning-Cube zu. Beispiel: Die Eingabefunktion für den Preis wird einem Kontoelement mit der Bezeichnung "Preis" in der Planning-Anwendung zugeordnet.
     • Element: Ordnen Sie eine Eingabefunktion einer Dimension im Planning-Cube zu. Beispiel: Die Eingabefunktion für das Produkt wird der Product-Dimension in der Planning-Anwendung zugeordnet.

   • Wählen Sie im Bereich Ausgabe einen Eingabetyp aus. Wenn Sie Zellenwert oder Element auswählen, wählen Sie in der Planning-Anwendung die Elemente oder Dimensionen für die Zuordnung aus, um die Ergebnisse der Vorhersagen zu speichern.

6. Prüfen Sie unter Modell analysieren das ML-Modell, und klicken Sie auf Weiter.

   In diesem Schritt wird MLX (Machine Learning Explainability) abgebildet. Dabei werden zusätzliche Informationen zum ML-Modell extrahiert. Beispiel: Prüfen Sie die Regressionskoeffizienten, um festzustellen, wie die relative Auswirkung wichtiger Eingabefunktionen für die Vorhersage der Ausgabe verwendet wird. Die Höhe des Balkens stellt den inkrementellen Effekt einer Erhöhung der Eingabefunktion um eine Einheit auf die Zielvariable dar.

7. Testen Sie unter Modell testen das ML-Modell, indem Sie eine Prognose für eine Reihe von Beispielwerten generieren. Geben Sie für jede Eingabe einen Beispielwert ein, und klicken Sie auf Vorhersagen.
8. Prüfen Sie den vorhergesagten Wert für die Ausgabe, und klicken Sie auf Speichern und schließen.
9. Klicken Sie auf Ja, um die Erstellung von Groovy-Regeln zu bestätigen.

Für jede ML-Modelldefinition werden zwei Groovy-Regeln generiert:

• ML_MLModelName_Form: Mit dieser Regel können Sie eine Verknüpfung zu einem Formular oder Dashboard herstellen, damit Benutzer Vorhersagen nach Bedarf treffen können.
• ML_MLModelName: Mit dieser Regel können Sie Vorhersagen in großem Maßstab in einem geplanten Job für die Massenverarbeitung generieren.

Sie können die generierten Regeln in Calculation Manager prüfen. Die Groovy-Regeln definieren den Namen und den Speicherort der PMML-Datei sowie Ein- und Ausgabe basierend auf der festgelegten Zuordnung. Weitere Informationen zur Verwendung dieser generierten Groovy-Regeln finden Sie unter ML-Modelle für Planer bereitstellen.