Importe um modelo de ML totalmente treinado em um aplicativo do FreeForm a fim de prepará-lo para ser usado por usuários de negócios.
Pré-requisito: para que você possa importar o modelo ML, a equipe de ciência de dados precisa criar, treinar e salvar o modelo ML como um arquivo PMML.
Para importar um modelo de ML em um aplicativo do FreeForm:
Na página Importar Modelo, você vê informações sobre o arquivo PMML, como a coluna de destino (a variável a ser prevista usando o modelo ML) e a data de treinamento.
Em Mapeamento de Modelos, selecione o cubo onde o modelo ML será usado e defina o escopo de dados em que o modelo ML deverá ser usado. Para isso, selecione um membro ou um conjunto de membros de cada dimensão.
As seções de Entrada e Saída contêm a lista dos recurso de entrada (recursos/colunas que são usados para fazer predições) e o recurso de destino (a coluna cuja previsão é esperada). O FreeForm analisa o arquivo PMML para gerar a lista de entradas e saídas.
Os recursos de entrada são variáveis independentes, semelhantes a drivers, que funcionam como uma entrada em seu sistema. Quando você faz previsões, o modelo usa os recursos de entrada para prever sua saída. Nesta etapa, você mapeia a entrada do modelo de ML para a saída no cubo do FreeForm. A entrada descreve como extrair os dados do modelo ML. A Saída define a medida de destino que você deseja prever e onde os valores previstos deverão ser colados no aplicativo do FreeForm.
Por exemplo, produto, preço e volume da indústria, os valores de entrada, podem ser usados para prever o volume, a saída.
Na área Entrada, para cada recurso de entrada, selecione um Tipo de Entrada. Se você selecionar Valor da Célula ou Membro, selecione os membros ou as dimensões no aplicativo do Planning para os quais eles serão mapeados. Tipos de entrada:
Na área Saída, selecione um Tipo de Entrada. Se você selecionar Valor da Célula ou Membro, selecione os membros ou as dimensões no aplicativo do FreeForm para mapear a fim de armazenar os resultados de previsão.
Essa etapa representa o MLX (Machine Learning Explainability) e extrai informações adicionais sobre o modelo ML. Por exemplo, analise os Coeficientes de Regressão para ver como o impacto relativo dos principais recursos de entrada é usado para prever a saída. A altura da barra representa o efeito incremental do aumento de uma unidade em um recurso de entrada na variável de destino.
São geradas duas regras Groovy para cada definição de modelo ML:
ML_MLModelName_Form
: Use esta regra para associar a um formulário ou dashboard, o que permite que os usuários façam predições sob demanda.ML_MLModelName
: Use esta regra para gerar predições de grande escala em um job agendado para processamento em lote.Você pode analisar as regras geradas no Calculation Manager. As regras Groovy definem o nome e a localização do arquivo PMML, com a entrada e a saída baseadas no mapeamento que você definiu. Para obter mais informações sobre como usar essas regras Groovy geradas, consulte Implantação de um Modelo de ML para Planejadores.
Tutoriais
Os tutoriais fornecem instruções com vídeos sequenciais e documentação para ajudar com o aprendizado de um tópico.
Sua Meta | Saiba Como |
---|---|
Saiba como importar um modelo de ML totalmente treinado e implantá-lo em um aplicativo do FreeForm. Os planejadores poderão, então, utilizar a previsão baseada em ML que usa técnicas avançadas de modelagem preditiva para gerar previsões mais precisas. | Importação de Modelos de ML |