Voorspellingsmodellen van Oracle Analytics maken en gebruiken

Met een voorspellingsmodel van Oracle Analytics wordt een specifieke algoritme toegepast op een gegevensset om waarden of klassen te voorspellen of om groepen in de gegevens te herkennen.

U kunt ook gebruikmaken van Oracle Machine Learning modellen om gegevens te voorspellen.

Oracle Analytics bevat algoritmen waarmee u voorspellingsmodellen kunt trainen voor diverse doeleinden. Voorbeelden van algoritmen zijn 'Classification And Regression Trees' (CART), logistische regressie en 'k-means'.

U gebruikt de gegevensstroomeditor om eerst een model te trainen voor een trainingsgegevensset. Nadat het voorspellingsmodel is getraind, past u dit toe op de gegevenssets die u wilt voorspellen.

U kunt een getraind model beschikbaar stellen voor andere gebruikers, die dit vervolgens op hun gegevens kunnen toepassen om waarden te voorspellen. In sommige gevallen trainen bepaalde gebruikers modellen en passen andere gebruikers de modellen toe.

Gebruik het definitieve model om de score van onbekende, of ongelabelde, gegevens te bepalen en zo een gegevensset in een gegevensstroom te genereren of een voorspellingsvisualisatie toe te voegen aan een werkmap.

Oracle Analytics biedt algoritmen voor al uw modelleringswensen op basis van machine learning: numerieke voorspelling, meervoudige classificatie, binaire classificatie en clustering.

De machine learning-functionaliteit van Oracle is bedoeld voor gevorderde gegevensanalisten die weten waarnaar ze willen zoeken in hun gegevens, bekend zijn met voorspellende analysen en de verschillen tussen de algoritmen kennen.

Gebruikers willen normaal gesproken meerdere voorspellingsmodellen maken, deze met elkaar vergelijken en vervolgens het model kiezen waarvan de resultaten waarschijnlijk het beste overeenkomen met de opgegeven criteria en vereisten. Deze criteria kunnen variëren. Gebruikers kunnen bijvoorbeeld kiezen voor modellen met een betere algehele nauwkeurigheid, voor modellen met de minste fouten van type I (foutpositief) en type II (foutnegatief) of voor modellen waarmee resultaten sneller worden geretourneerd (met een acceptabele nauwkeurigheid ook al zijn de resultaten niet ideaal).

Oracle Analytics bevat meerdere machine learning-algoritmen voor elk soort voorspelling of classificatie. Op basis van deze algoritmen kunt u meer dan één model maken, verschillende afgestemde parameters gebruiken of verschillende trainingsgegevenssets als invoer gebruiken om vervolgens het beste model te kiezen. U kunt het beste model kiezen door modellen te vergelijken en tegen elkaar af te wegen op basis van uw eigen criteria. Door het model toe te passen en de resultaten van de berekeningen te visualiseren om de nauwkeurigheid te bepalen, kunt u het beste model bepalen. U kunt ook de gerelateerde gegevenssets openen en verkennen die in Oracle Analytics zijn gebruikt om de uitvoer te modelleren.

In deze tabel ziet u de beschikbare algoritmen:

Wanneer u gegevens uit Oracle Autonomous Data Warehouse gebruikt, kunt u de bijbehorende AutoML-functie toepassen voor het aanbevelen en trainen van een voorspellingsmodel. Uw gegevens worden door AutoML geanalyseerd. Vervolgens wordt het beste algoritme berekend dat kan worden gebruikt en wordt een voorspellingsmodel in Oracle Analytics geregistreerd zodat u voorspellingen kunt doen op basis van uw gegevens.

1. Klik op de beginpagina op Maken en vervolgens op Gegevensstroom.
2. Selecteer in Gegevensset toevoegen de gegevensset op basis van Oracle Autonomous Data Warehouse die de te analyseren gegevens bevat.
3. Klik achtereenvolgens op Stap toevoegen en AutoML.
4. Klik voor het doel op Een kolom selecteren en selecteer de gegevenskolom met de waarde die u probeert te voorspellen.
   Als u bijvoorbeeld het personeelsverloop wilt voorspellen, kunt u een veld met de naam VERLOOP selecteren dat 'WAAR' of 'NIET WAAR' aangeeft voor de vraag of werknemers een organisatie hebben verlaten of niet.
   

   
   .png

   
   
5. Accepteer het voorgestelde taaktype en de metric voor modelrangschikking die in Oracle Analytics wordt aanbevolen, of selecteer een ander algoritme.
6. Klik op Model opslaan en geef de naam op van het gegenereerde voorspellingsmodel.
7. Klik op Opslaan en geef een naam op voor de gegevensstroom.
8. Klik op Uitvoeren om de gegevens te analyseren en een voorspellend model te genereren.
9. Klik op de beginpagina op Navigeren, klik vervolgens op Automatisch leren, klik vervolgens met de rechtermuisknop op het gegenereerde model en selecteer Inspecteren.

Geavanceerde gegevensanalyses maken en trainen voorspellingsmodellen, zodat ze deze kunnen gebruiken om Oracle Machine Learning algoritmen te implementeren om gegevenssets te doorzoeken, een doelwaarde te voorspellen of klassen records te identificeren. Gebruik de gegevensstroomeditor om voorspellingsmodellen te maken, te trainen en ze toe te passen op uw gegevens.

1. Klik op de beginpagina op Maken en selecteer vervolgens Gegevensstroom.
2. Selecteer de gegevensset die u wilt gebruiken om het model te trainen. Klik op Toevoegen.
3. Klik in de gegevensstroomeditor op Stap toevoegen (+).
   Wanneer u een gegevensset hebt toegevoegd, kunt u alle kolommen in de gegevensset gebruiken om het model samen te stellen, maar u kunt ook alleen de relevante kolommen selecteren. Voor het kiezen van de relevante kolommen moet u kennis hebben van de gegevensset. Negeer de kolommen waarvan u weet dat deze de resultaten niet zullen beïnvloeden of die overbodige informatie bevatten. U kunt de relevante kolommen kiezen door de stap Kolommen selecteren toe te voegen. Gebruik alle kolommen als u niet zeker bent van de relevante kolommen.
4. Selecteer een trainingsmodelstap (zoals Numerieke voorspelling trainen of Clustering trainen).
5. Selecteer een algoritme en klik op OK.
6. Als u met een beheerd model werkt, zoals een verwachtings- of voorspellingsmodel, klikt u op Doel en selecteert u de kolom die u wilt voorspellen. Bijvoorbeeld: als u een model maakt om iemands inkomen te voorspellen, selecteert u de kolom 'Inkomen'.
   Als u met een niet-beheerd model werkt, zoals clustering, is een doelkolom niet vereist.
7. Wijzig de standaardinstellingen voor het model om de nauwkeurigheid van de voorspelde uitvoer te verfijnen en te verbeteren. Deze instellingen worden bepaald door het gebruikte model.
8. Klik op de stap Model opslaan en geef een naam en beschrijving op.
9. Klik op Opslaan, voer een naam en een beschrijving voor de gegevensstroom in en klik op OK om de gegevensstroom op te slaan.
10. Klik op Gegevensstroom uitvoeren om het voorspellingsmodel te maken op basis van de door u opgegeven invoergegevensset en modelinstellingen.

Wanneer u het voorspellingsmodel hebt gemaakt en de gegevensstroom hebt uitgevoerd, kunt u controleren of de modelinformatie nauwkeurig is. Aan de hand van deze informatie kunt u de modelinstellingen zo vaak u wilt aanpassen om de nauwkeurigheid te vergroten en de voorspelling van resultaten te verbeteren.

Als u een scenario in een werkmap maakt, past u een voorspellingsmodel toe op de gegevensset van de werkmap om de trends en patronen te tonen die met het model kunnen worden gevonden.

1. Klik op de beginpagina op Maken en klik vervolgens op Werkmap.
2. Selecteer de gegevensset die u wilt gebruiken om de werkmap te maken en klik op Toevoegen aan werkmap.
3. In het deelvenster Gegevens klikt u op Toevoegen en selecteert u Scenario maken.
4. Selecteer in het dialoogvenster Scenario maken - Model selecteren een model en klik op OK.
   U kunt alleen een voorspellingsmodel toepassen. U kunt geen Oracle Machine Learning model toepassen.
   Als niet elk modelinvoerelement aan een gegevenselement kan worden toegewezen, wordt het dialoogvenster Gegevens toewijzen aan het model weergegeven.
5. Als het dialoogvenster Gegevens toewijzen aan het model wordt weergegeven, selecteert u in het veld Gegevensset de gegevensset die u samen met het model wilt gebruiken.
6. Koppel de modelinvoer waar nodig aan de gegevenselementen. Klik op Gereed.
   Het scenario wordt als gegevensset weergegeven in het deelvenster Gegevenselementen.
7. Sleep elementen uit de gegevensset en het model naar het canvas Visualiseren.
8. U kunt het scenario aanpassen door met de rechtermuisknop op het scenario in het deelvenster Gegevenselementen te klikken en Scenario bewerken te selecteren.
9. Wijzig de gegevensset en werk de toewijzing van de modelinvoer aan de gegevenselementen waar nodig bij.
10. Klik op Opslaan om de werkmap op te slaan.