Creare e usare i modelli predittivi di Oracle Analytics

Un modello predittivo di Oracle Analytics applica un algoritmo specifico a un data set per prevedere valori e classi o per identificare i gruppi nei dati.

È anche possibile utilizzare i modelli di Oracle Machine Learning per prevedere i dati.

Oracle Analytics include algoritmi che facilitano l'addestramento di modelli predittivi per vari scopi. Esempi di algoritmi sono le strutture ad albero di classificazione e regressione (CART), la regressione logistica e K-Means.

Dapprima si utilizza l'editor dei flussi di dati per addestrare un modello rispetto a un data set di addestramento. Dopo averlo addestrato, applicare il modello predittivo ai data set da prevedere.

È possibile rendere disponibile un modello addestrato per gli altri utenti, che potranno applicarlo ai propri dati per prevedere i valori. In alcuni casi, alcuni utenti addestrano i modelli e altri utenti applicano i modelli.

Utilizzare il modello finito per valutare i dati sconosciuti o senza etichetta e generare un data set all'interno di un flusso dati o aggiungere una visualizzazione di previsione a una cartella di lavoro.

In Oracle Analytics sono disponibili algoritmi per qualsiasi esigenza di modellazione con la funzionalità Machine Learning: previsione numerica, classificatore multiplo, classificatore binario e configurazione cluster.

La funzionalità Machine Learning Oracle è destinata agli analisti di dati esperti che hanno un'idea precisa di cosa cercare nei dati, conoscono i principi dell'analitica predittiva e capiscono le differenze tra i vari algoritmi.

In genere gli utenti desiderano creare più modelli di previsione, confrontarli e scegliere quello che con maggiore probabilità darà risultati che soddisfano determinati criteri e requisiti. Questi criteri possono variare. Ad esempio, a volte gli utenti scelgono modelli con una migliore accuratezza globale, a volte modelli con il numero inferiore di errori di tipo I (falsi positivi) e tipo II (falsi negativi) e a volte modelli che restituiscono più velocemente i risultati e presentano un livello di accuratezza accettabile anche se i risultati non sono ideali.

In Oracle Analytics esistono più algoritmi di Machine Learning per ogni tipo di previsione o classificazione. Grazie a questi algoritmi, gli utenti possono creare più modelli, utilizzare parametri regolati diversi oppure utilizzare data set di addestramento di input differenti, quindi scegliere il modello migliore. L'utente può scegliere il modello migliore confrontando e valutando i modelli rispetto ai propri criteri. Per determinare il modello migliore, gli utenti possono applicare il modello e visualizzare i risultati dei calcoli per determinare l'accuratezza oppure aprire ed esplorare i data set correlati che Oracle Analytics ha utilizzato per l'output.

Consultare la tabella seguente per ottenere informazioni sugli algoritmi forniti.

Quando si utilizzano dati di Oracle Autonomous Data Warehouse, è possibile usare la funzionalità AutoML per consigliare e creare un modello predittivo. AutoML analizza i dati, calcola l'algoritmo migliore da usare e registra un modello di previsione in Oracle Analytics in modo da poter effettuare previsioni sui dati.

1. Nella Home page fare clic su Crea, quindi fare clic su Flusso dati.
2. In Aggiungi data set selezionare il data set basato su Oracle Autonomous Data Warehouse che contiene i dati da analizzare.
3. Fare clic su Aggiungi un passo, quindi fare clic su AutoML.
4. Per Destinazione, fare clic su Selezionare una colonna e selezionare la colonna di dati contenente il valore che si sta tentando di prevedere.
   Ad esempio, per prevedere la riduzione del personale è possibile selezionare un campo denominato ATTRITION con l'indicazione 'TRUE' o 'FALSE' per indicare se i dipendenti hanno lasciato un'organizzazione o meno.
   

   
   .png

   
   
5. Accettare il valore di Tipo di task e Metrica classifica modello consigliati da Oracle Analytics oppure selezionare un algoritmo diverso.
6. Fare clic su Salva modello e specificare il nome del modello di previsione generato.
7. Fare clic su Salva e specificare un nome per il flusso dati.
8. Fare clic su Esegui per analizzare i dati e generare un modello predittivo.
9. Nella home page fare clic su Naviga, fare clic su Machine Learning, quindi fare clic con il pulsante destro del mouse sul modello generato e selezionare Ispeziona.

Gli analisti di dati esperti creano e addestrano i modelli predittivi in modo da poterli utilizzare per distribuire gli algoritmi di Oracle Machine Learning al fine di estrarre i data set, prevedere un valore di destinazione o identificare classi di record. Usare l'editor dei flussi di dati per creare, addestrare e applicare i modelli predittivi ai dati.

1. Nella Home page fare clic su Crea, quindi selezionare Flusso dati.
2. Selezionare il data set che si desidera utilizzare per addestrare il modello. Fare clic su Aggiungi.
3. Nell'editor dei flussi di dati fare clic su Aggiungi passo (+).
   Dopo aver aggiunto un data set, è possibile utilizzare tutte le colonne del data set o selezionare solo le colonne pertinenti per generare il modello. La scelta delle colonne pertinenti richiede la comprensione del data set. Ignorare le colonne che si ritiene non influenzeranno il risultato o che contengono informazioni ripetitive. È possibile scegliere solo le colonne pertinenti aggiungendo il passo Seleziona colonne. Se non si è sicuri di quali siano le colonne pertinenti, utilizzare tutte le colonne.
4. Selezionare uno dei passi di creazione del modello (ad esempio, Crea previsione numerica o Crea configurazione cluster).
5. Selezionare un algoritmo e fare clic su OK.
6. Se si utilizza un modello supervisionato, ad esempio di previsione o classificazione, fare clic su Destinazione e selezionare la colonna di cui si tenta di prevedere il contenuto. Ad esempio, se si sta creando un modello per prevedere il reddito di una persona, selezionare la colonna Reddito.
   Se si utilizza un modello non supervisionato, ad esempio di configurazione cluster, la colonna di destinazione non è necessaria.
7. Modificare le impostazioni predefinite del modello per ottimizzare e migliorare l'accuratezza del risultato previsto. Queste impostazioni dipendono dal modello utilizzato.
8. Fare clic sul passo Salva modello e fornire un nome e una descrizione.
9. Fare clic su Salva, immettere il nome e la descrizione del flusso dati, quindi fare clic su OK per salvare il flusso dati.
10. Fare clic su Esegui flusso dati per creare il modello predittivo in base al data set di input e alle impostazioni del modello forniti.

Dopo aver creato il modello predittivo ed eseguito il flusso dati, è possibile esaminare le informazioni relative al modello per determinarne l'accuratezza. Utilizzare queste informazioni per regolare in modo iterativo le impostazioni del modello al fine di migliorarne l'accuratezza e prevedere risultati migliori.

Quando si crea uno scenario in una cartella di lavoro, si applica un modello predittivo al data set della cartella di lavoro per rivelare le tendenze e i pattern per il reperimento dei quali il modello è stato progettato.

1. Nella Home page fare clic su Crea, quindi fare clic su Cartella di lavoro.
2. Selezionare il data set che si desidera utilizzare per creare la cartella di lavoro e fare clic su Aggiungi a cartella di lavoro.
3. Nel riquadro Dati fare clic su Aggiungi e selezionare Crea scenario.
4. Selezionare un modello nella finestra di dialogo Crea scenario - Seleziona modello e fare clic su OK.
   È possibile applicare solo un modello predittivo. Non è possibile applicare un modello di Oracle Machine Learning.
   Se non è possibile abbinare ogni input del modello a un elemento dati, viene visualizzata la finestra di dialogo Mappa dati al modello.
5. Se la finestra di dialogo Mappa dati al modello viene visualizzata, selezionare il data set da utilizzare con il modello nel campo Data set.
6. Definire opportunamente le corrispondenze dell'input del modello con gli elementi dati. Fare clic su Fine.
   Lo scenario viene visualizzato come data set nel riquadro Elementi dati.
7. Trascinare gli elementi dal data set e dal modello rilasciandoli sullo sfondo Visualizza.
8. Per perfezionare lo scenario, fare clic con il pulsante destro del mouse nel riquadro Elementi dati e selezionare Modifica scenario.
9. Modificare il data set e aggiornare opportunamente il mapping tra l'input del modello e gli elementi dati.
10. Fare clic su Salva per salvare la cartella di lavoro.