יצירת מודלים של חיזוי של Oracle Analytics ושימוש בהם

מודל חיזוי של Oracle Analytics מחיל אלגוריתם ספציפי על סל נתונים כדי לחזות ערכים, לחזות מחלקות או לזהות קבוצות בנתונים.

אתה יכול להשתמש גם במודלים של למידת מכונה של Oracle לחיזוי נתונים.

Oracle Analytics כולל אלגוריתמים שיסייעו לך לאמן מודלים של חיזוי למטרות שונות. דוגמאות של אלגוריתמים הם סיווגים ועצי רגרסיה (CART), רגרסיה לוגית ו-k-means.

משתמשים בעורך זרימת הנתונים כדי להתחיל באימון מודל על סל נתוני אימון. לאחר סיום אימון מודל החיזוי, מחילים אותו על סלי הנתונים שרוצים לחזות.

תוכל להפוך מודל מאומן לזמין למשתמשים אחרים שיוכלו להחיל אותו כנגד הנתונים שלהם כדי לחזות ערכים. במקרים מסוימים, חלק מהמשתמשים מאמנים מודלים ומשתמשים אחרים מחילים את המודלים.

השתמש במודל המוגמר כדי לדרג נתונים לא ידועים או חסרי תווית כדי להפיק סל נתונים בתוך זרימת נתונים או להוסיף המחשת תחזית לחוברת עבודה.

Oracle Analytics מספק אלגוריתמים לכל אחד מהצרכים של מידול למידת מכונה: תחזית מספרית, מספר מסווגים, מסווג בינארי וקיבוץ באשכולות.

הפונקציונליות של Oracle ללמידת מכונה נועדה לאנליסטים מתקדמים של נתונים שיש להם מושג על מה שהם מחפשים בנתונים שלהם, שהם מכירים את העבודה עם ניתוחי מידע לחיזוי, והם מבינים את ההבדלים בין אלגוריתמים.

משתמשים רוצים, בדרך כלל, ליצור מספר מודלים של חיזוי, להשוות ביניהם ולבחור את המודל עם הסיכוי הכי גבוה לתת תוצאות שעונות על הקריטריונים והדרישות של המשתמשים. קריטריונים אלו משתנים. לדוגמה, לפעמים משתמשים בוחרים מודלים בעלי דיוק טוב יותר, לפעמים משתמשים בוחרים מודלים עם מספר השגיאות הקטן ביותר מסוג 1 (חיובי שקרי) ומסוג 2 (שלילי שקרי), ולפעמים משתמשים בוחרים מודלים שמחזירים תוצאות מהר יותר ועם רמת דיוק קבילה יותר אפילו אם התוצאות אינן אידיאליות.

Oracle Analytics מכיל מספר אלגוריתמים של למידת מכונה לכל סוג של חיזוי או סיווג. עם אלגוריתמים אלה, משתמשים יכולים ליצור מספר מודלים או להשתמש בפרמטרים מכווננים שונים, או להשתמש בסלי נתונים לאימון ערכי קלט שונים ואז לבחור את המודל הטוב ביותר. המשתמש יכול לבחור את המודל הטוב ביותר על-ידי השוואה ושקילה של מודלים כנגד הקריטריונים שלהם. לקביעת המודל הטוב ביותר, משתמשים יכולים להחיל את המודל ולהמחיש את תוצאות החישובים כדי לקבוע את מידת הדיוק; לחלופין, הם יכולים לפתוח ולחקור את סלי הנתונים הקשורים שנפלטו באמצעות המודל שבו השתמש Oracle Analytics.

עיין בטבלה הבאה כדי ללמוד עוד על האלגוריתמים שהמערכת מספקת:

כאשר אתה משתמש בנתונים מ-Oracle Autonomous Data Warehouse, אתה יכול להשתמש ביכולת ה-AutoML שלו כדי להמליץ ולהכשיר מודל חזוי. AutoML מנתחת את הנתונים שלך, מחשבת את האלגוריתם הטוב ביותר לשימוש ורושם מודל חיזוי ב-Oracle Analytics כדי שתוכל לבצע תחזיות על הנתונים שלך.

1. בדף הבית, לחץ על צור ואחר כך לחץ על זרימת נתונים.
2. בהוסף סל נתונים, בחר את סל הנתונים המבוסס על Oracle Autonomous Data Warehouse המכיל את הנתונים לניתוח.
3. לחץ על הוסף שלב ולאחר מכן לחץ על AutoML.
4. עבור יעד, לחץ על בחר עמודה, ובחר את עמודת הנתונים המכילה את הערך שאתה מנסה לחזות.
   לדוגמה, כדי לחזות צמצומים, תוכל לבחור שדה בשם 'צמצומים' המציין 'TRUE' או 'FALSE' אם עובדים עזבו ארגון או לא.
   

   
   .png

   
   
5. קבל את סוג המשימה ואת מדד דירוג המודל המוצעים שעליהם ממליצה Oracle Analytics, או בחר באלגוריתם אחר.
6. לחץ על שמור מודל, וציין את השם של מודל החיזוי שנוצר.
7. לחץ על שמור וציין שם עבור זרימת הנתונים.
8. לחץ על הפעלה כדי לנתח את הנתונים וליצור מודל חזוי.
9. מדף הבית, לחץ על נווט, ולאחר מכן לחץ על למידת מכונה, ולאחר מכן לחץ באמצעות לחצן העכבר הימני על המודל שנוצר ובחר בדוק.

על-פי הבעיה שצריך לפתור, אנליסט נתונים מתקדם בוחר אלגוריתם מתאים כדי לאמן מודל חיזוי ולאחר מכן הוא מעריך את תוצאות המודל.

1. בדף הבית, לחץ על צור ואחר כך בחר זרימת נתונים.
2. בחר את סל הנתונים שבו תרצה להשתמש כדי לאמן את המודל. לחץ על הוספה.
3. בעורך זרימת הנתונים, לחץ על הוסף שלב (+).
   לאחר הוספת סל נתונים תוכל להשתמש בכל העמודות בסל הנתונים כדי לבנות את המודל, או לבחור את העמודות הרלוונטיות בלבד. בחירת העמודות הרלוונטיות דורשת הבנה של סל הנתונים. התעלם מעמודות שאתה יודע שלא ישפיעו על התנהגות התוצאה או שמכילות מידע מיותר. תוכל לבחור עמודות רלוונטיות בלבד על-ידי הוספת השלב בחר עמודות. אם אינך בטוח מהן העמודות הרלוונטיות, השתמש בכל העמודות.
4. בחר אחד מהשלבים של אימון מודל (לדוגמה, אמן תחזית מספרית, או אמן קיבוץ באשכולות).
5. בחר אלגוריתם ולחץ על אוקיי.
6. אם אתה עובד עם מודל מפוקח כגון תחזית או סיווג, לחץ על יעד ובחר את העמודה שאתה מנסה לחזות. לדוגמה, אם אתה יוצר מודל לחיזוי הכנסה של אדם, בחר את עמודת ההכנסה.
   אם אתה עובד עם מודל לא מפוקח כגון קיבוץ באשכולות, לא דרושה כל עמודת יעד.
7. שנה את ברירת המחדל של ההגדרות למודל שלך כדי לכוונן ולשפר את הדיוק של התוצאה החזויה. המודל שאתו תעבוד קובע הגדרות אלו.
8. לחץ על השלב שמור מודל וספק שם ותיאור.
9. לחץ על שמור, הזן שם ותיאור של זרימת הנתונים, ולחץ על אוקיי כדי לשמור את זרימת הנתונים.
10. לחץ על הרץ זרימת נתונים כדי ליצור את מודל החיזוי המבוסס על סל הנתונים קלט ועל הגדרות המודל שהזנת.

לאחר שיצרת את מודל החיזוי והרצת את זרימת הנתונים, תוכל לבדוק את המידע על המודל כדי לקבוע את מידת הדיוק שלו. השתמש במידע זה לצורך התאמה חזרתית של הגדרות המודל כדי לשפר את הדיוק שלו ולחזות תוצאות טובות יותר.

כאשר אתה יוצר תרחיש בחוברת העבודה, אתה מחיל מודל חיזוי על סל הנתונים של חוברת העבודה כדי לחשוף את המגמות והדפוסים שהמודל תוכנן למצוא.

1. בדף הבית, לחץ על צור ואחר כך על חוברת עבודה.
2. בחר את סל הנתונים שבו תרצה להשתמש כדי ליצור את חוברת העבודה ולחץ על הוסף לחוברת עבודה.
3. בחלונית נתונים, לחץ על הוסף ובחר צור תרחיש.
4. בתיבת הדו-שיח יצירת תרחיש - בחר מודל, בחר מודל ולחץ על אוקיי.
   אתה יכול להחיל רק מודל חיזוי. אתה לא יכול להחיל מודל למידת מכונה של Oracle.
   אם אי אפשר למפות כל ערך קלט של מודל לרכיב נתונים, מוצגת תיבת הדו-שיח מפה את הנתונים למודל.
5. אם מוצגת תיבת הדו-שיח מפה את הנתונים שלך למודל, אזי בשדה סל נתונים, בחר את סל הנתונים לשימוש עם המודל.
6. התאם את ערך הקלט של המודל ואת רכיבי הנתונים כנדרש. לחץ על בוצע.
   התרחיש מוצג כסל נתונים בחלונית רכיבי נתונים.
7. גרור ושחרר רכיבים מסל הנתונים והמודל על היריעה המחש.
8. להתאמת התרחיש, לחץ לחיצה ימנית על התרחיש בחלונית רכיבי נתונים, ובחר ערוך תרחיש.
9. שנה את סל הנתונים ועדכן את הקלט של המודל ואת מיפוי רכיבי הנתונים לפי הצורך.
10. לחץ על שמירה כדי לשמור את חוברת העבודה.