Za pomocą edytora przepływu danych można ocenić model predykcyjny z użyciem dowolnego zbioru danych lub model Oracle Machine Learning z użyciem zbioru danych z odpowiadającej mu bazy danych.
Modele predykcyjne można stosować do swoich danych, aby - bez konieczności posiadania doświadczenia w zakresie uczenia maszynowego (ML) i sztucznej inteligencji( AI) - wbudowywać w swoje aplikacje funkcje ML i AI.
Uruchomiony model predykcyjny wyprowadza nowy zbiór danych z kolumnami zawierającymi prognozowane wartości, których można używać w analizach i wizualizacjach.
Jeśli zostanie uruchomiony model predykcyjny, dane są przenoszone do aplikacji Oracle Analytics i w niej przetwarzane. Jeśli zostanie uruchomiony zarejestrowany model Oracle Machine Learning, dane nie są przenoszone z bazy danych do aplikacji Oracle Analytics. Model rezyduje w bazie danych, jest w niej przetwarzany i dane wyjściowe są w niej składowane.
Gdy w przepływie danych jest używany etap Zastosowanie modelu:
-
Zarejestrowane modele są wyświetlane i dostępne do sprawdzania oraz analiz. Niezarejestrowane modele nie są wyświetlane.
-
Dostępne kolumny wynikowe są specyficzne dla typu modelu. Na przykład wśród kolumn wynikowych dla predykcji liczbowej są PredictedValue i PredictedConfidence, a dla klasterowania - clusterId.
-
Dostępne parametry są specyficzne dla typu modelu. Na przykład, jeśli do oceny jest używany model z klastrowaniem, to maksymalna liczba wartości Null jest parametrem, który można przekazać do procesu oceny. Ten parametr jest używany do sygnalizowania brakujących wartości.
-
Jeśli jest używany model Oracle Machine Learning, typy danych z modelu i typy mapowanych danych wejściowych muszą być zgodne. Zob. Wyświetlanie szczegółów zarejestrowanego modelu.
- Na stronie startowej kliknąć Utwórz, po czym kliknąć Przepływ danych.
- Wybrać zbiór danych i kliknąć Dodaj.
- W edytorze przepływu danych kliknąć na węźle Dodaj etap (+).
- W okienku "Etapy przepływu danych" kliknąć dwukrotnie na etapie Zastosowanie modelu, po czym wybrać model, który ma być używany.
- W oknie "Zastosowanie modelu" przejść do sekcji "Dane wejściowe", po czym wybrać kolumnę wejściową.
- W oknie "Zastosowanie modelu" przejść do sekcji "Dane wyjściowe", po czym wybrać kolumny, które mają zostać utworzone ze zbiorem danych i - jeśli trzeba - zaktualizować pola Nazwa kolumny.
- W edytorze przepływu danych kliknąć na węźle Dodaj etap (+), po czym wybrać Zapisywanie danych.
- Wpisać nazwę. W polu Zapisz dane w określić lokalizację, w której mają być zapisywane dane wyjściowe.
Jeśli jest używany model Oracle Machine Learning, to domyślnie informacje o połączeniu ze zbiorem danych odpowiadają informacjom o połączeniu wejściowego zbioru danych.
- Ustawić odpowiednio w polach Traktuj jako i Agregacja domyślna preferencje dot. danych.
Gdy model zostanie zapisany, funkcja stosowania modelu dołączy wybrane przez użytkownika kolumny wynikowe modelu do zbioru danych wejściowych.
- Kliknąć przycisk Zapisz, podać nazwę i opis przepływu danych, po czym - aby go zapisać - nacisnąć przycisk OK.
- Kliknąć przycisk Uruchom przepływ danych, aby utworzyć zbiór danych.