Crearea şi utilizarea de modele predictive Oracle Analytics

Un model predictiv Oracle Analytics aplică un algoritm specific la un set de date pentru a estima valori, a anticipa clase sau a identifica grupuri în date.

De asemenea, puteţi utiliza modelele Oracle de învăţare automată pentru a prognoza date.

Oracle Analytics include algoritmi pentru a vă ajuta să instruiţi modele predictive în diferite scopuri. Câteva exemple de algoritmi sunt arborii de clasificare şi de regresie (CART), regresia logistică şi mediile K.

Utilizaţi Editorul de fluxuri de date pentru a instrui mai întâi un model pe un set de date de instruire. După instruirea modelului predictiv, îl aplicaţi la seturile de date pe care doriţi să le anticipaţi.

Puteţi pune un model instruit la dispoziţia altor utilizatori care îl pot aplica la datele lor pentru a anticipa valori. În unele cazuri, anumiţi utilizatori instruiesc modele şi alţi utilizatori le aplică.

Utilizaţi modelul final pentru a evalua datele necunoscute sau neetichetate, pentru a genera un set de date din cadrul unui flux de date sau pentru a adăuga o vizualizare de predicţie într-un registru de lucru.

Oracle Analytics furnizează algoritmi pentru oricare cerinţă de modelare a învăţării automate: predicţie numerică, mai mulţi clasificatori, clasificator binar şi clusterizare.

Funcţionalitatea Oracle de învăţare automată este destinată analiştilor de date avansaţi care ştiu ce caută în date, sunt familiarizaţi cu practicile de analiză predictivă şi înţeleg diferenţele dintre algoritmi.

În mod normal, utilizatorii doresc să creeze mai multe modele de predicţie, să le compare şi să-l aleagă pe cel care este cel mai probabil să ofere rezultate care corespund criteriilor şi cerinţelor lor. Aceste criterii pot varia. De exemplu, uneori utilizatorii aleg modele care au o precizie generală mai bună, uneori aleg modele care au cele mai puţine erori de tip I (fals pozitive) şi de tip II (fals negative), iar alteori aleg modele care returnează rezultate mai rapid şi cu un nivel acceptabil de precizie chiar dacă rezultatele nu sunt ideale.

Oracle Analytics conţine mai mulţi algoritmi de învăţare automată pentru fiecare tip de predicţie sau clasificare. Cu aceşti algoritmi, utilizatorii pot să creeze mai multe modele sau pot să utilizeze diferiţi parametri reglaţi fin sau să utilizeze diferite seturi de date de instruire de intrare şi apoi să aleagă cel mai bun model. Utilizatorii pot să aleagă cel mai bun model comparând şi ponderând modele pe baza propriilor criterii. Pentru a stabili care este cel mai bun model, utilizatorii pot să aplice modelul şi să vizualizeze rezultatele calculelor pentru a stabili acurateţea sau pot să deschidă şi să exploreze seturile de date corelate pe care le-a generat Oracle Analytics utilizând modelul.

Consultaţi acest tabel pentru a afla informaţii despre algoritmii furnizaţi:

Când utilizaţi date din Oracle Autonomous Data Warehouse, puteţi utiliza capabilitatea sa AutoML pentru a recomanda şi instrui un model predictiv. AutoML vă analizează datele, calculează cel mai bun algoritm care să se utilizeze şi înregistrează un model de predicţie în Oracle Analytics pentru ca dvs. să puteţi face predicţii pe baza datelor.

1. Pe pagina Home, faceţi clic pe Creare, apoi faceţi clic pe Flux de date.
2. În Adăugare set de date, selectaţi setul de date care conţine datele din Oracle Autonomous Data Warehouse pe care doriţi să le analizaţi.
3. Faceţi clic pe Adăugaţi un pas, apoi faceţi clic pe AutoML.
4. Pentru Destinaţie, faceţi clic pe Selectaţi o coloană şi selectaţi coloana de date care conţine valoarea pentru care încercaţi să faceţi predicţii.
   De exemplu, pentru a face predicţii despre uzura angajaţilor, puteţi selecta un câmp denumit ATTRITION care indică 'TRUE' sau 'FALSE', pentru a indica dacă angajaţii au părăsit sau nu organizaţia.
   

   
   .png

   
   
5. Acceptaţi valorile sugerate, recomandate de Oracle Analytics pentru Tip sarcină şi Metrică pentru ierarhizarea modelului, sau selectaţi un alt algoritm.
6. Faceţi clic pe Salvare model şi specificaţi numele modelului de predicţie generat.
7. Faceţi clic pe Salvare şi specificaţi un nume pentru fluxul de date.
8. Faceţi clic pe Rulare pentru a analiza datele şi a genera un model predictiv.
9. Din pagina home, faceţi clic pe Navigare, apoi pe Învăţare automată, apoi clic dreapta pe modelul generat şi selectaţi Inspectare.

Analiştii de date avansaţi creează şi instruiesc modele predictive, pe care să le poată utiliza pentru a implementa algoritmi de învăţare automată Oracle pentru a explora seturile de date, a anticipa o valoare ţintă sau a identifica clase de înregistrări. Utilizaţi editorul de flux de date pentru a crea şi a instrui modele predictive şi a le aplica la datele dvs.

1. Pe pagina Home, faceţi clic pe Creare, apoi selectaţi Flux de date.
2. Selectaţi setul de date pe care doriţi să-l utilizaţi pentru a instrui modelul. Faceţi clic pe Adăugare.
3. În Editorul de fluxuri de date, faceţi clic pe Adăugaţi un pas (+).
   După adăugarea unui set de date, puteţi fie să utilizaţi toate coloanele din setul de date pentru a genera modelul, fie să selectaţi doar coloanele relevante. Alegerea coloanelor relevante presupune înţelegerea setului de date. Ignoraţi coloanele care nu vor influenţa comportamentul rezultat sau care conţin informaţii redundante. Puteţi alege doar coloanele relevante, adăugând pasul Selectare coloane. Dacă nu sunteţi sigur care sunt coloanele relevante, utilizaţi toate coloanele.
4. Selectaţi unul din paşii modelului de instruire (de exemplu, Instruire predicţie numerică, sau Instruire clusterizare).
5. Selectaţi un algoritm şi faceţi clic pe OK
6. Dacă lucraţi cu un model supervizat precum predicţia sau clasificarea, faceţi clic pe Ţintă şi selectaţi coloana pe care încercaţi să o anticipaţi. De exemplu, în cazul în care creaţi un model pentru a anticipa venitul unei persoane, selectaţi coloana Venit.
   Dacă lucraţi cu un model nesupervizat, precum clustering, nu este obligatorie o coloană ţintă.
7. Schimbaţi setările prestabilite pentru model pentru a regla fin şi îmbunătăţi precizia rezultatului anticipat. Modelul cu care lucraţi stabileşte aceste setări.
8. Faceţi clic pe pasul Salvare model şi furnizaţi un nume şi o descriere.
9. Faceţi clic pe Salvare, introduceţi un nume şi o descriere pentru fluxul de date şi faceţi clic pe OK pentru a salva fluxul de date.
10. Faceţi clic pe Rulare flux de date pentru a crea modelul predictiv bazat pe setul de date de intrare şi pe setările modelului furnizat.

După ce creaţi modelul predictiv şi rulaţi fluxul de date, puteţi examina informaţiile despre model pentru a-i stabili precizia. Utilizaţi aceste informaţii pentru a ajusta în mod iterativ setările modelului, pentru a-i îmbunătăţi precizia şi a oferi predicţii mai bune privind rezultatele.

Atunci când creaţi un scenariu într-un registru de lucru, aplicaţi un model predictiv la setul de date al registrului de lucru pentru a prezenta tendinţele şi tiparele pentru care a fost proiectat modelul.

1. Din pagina Home, faceţi clic pe Creare şi apoi faceţi clic pe Registru de lucru.
2. Selectaţi setul de date pe care doriţi să-l utilizaţi pentru a crea registrul de lucru şi faceţi clic pe Adăugare la registrul de lucru.
3. În panoul Date, faceţi clic pe Adăugare şi selectaţi Creare scenariu.
4. În dialogul Creare scenariu - Selectare model, selectaţi un model şi faceţi clic pe OK.
   Puteţi aplica numai un model predictiv. Nu puteţi aplica un model Oracle de învăţare automată.
   Dacă nu există corespondenţă între fiecare intrare din model şi un element de date, este afişat dialogul Mapaţi datele la model.
5. Dacă este afişat dialogul Mapaţi datele la model, selectaţi setul de date care trebuie utilizat cu modelul în câmpul Set de date.
6. Găsiţi corespondenţe între intrarea de model şi elementele de date, după caz. Faceţi clic pe Finalizat.
   Scenariul este afişat ca set de date în panoul Elemente de date.
7. Glisaţi şi plasaţi elemente din setul şi modelul de date pe canvasul Vizualizare.
8. Pentru a ajusta scenariul, faceţi clic dreapta pe acesta în panoul Elemente de date şi selectaţi Editare scenariu.
9. Schimbaţi setul de date şi actualizaţi intrarea de model şi maparea elementelor de date, după caz.
10. Faceţi clic pe Salvare pentru a salva registrul de lucru.