Oracle Analitik Öngörüye Dayalı Modelleri Oluşturma ve Kullanma

Oracle Analitik öngörüye dayalı modeli; değerleri öngörmek, sınıfları öngörmek veya verideki grupları belirlemek için bir veri kümesine belirli bir algoritma uygular.

Verileri tahmin etmek için Oracle makine öğrenimi modellerini de kullanabilirsiniz.

Oracle Analitik, çeşitli amaçlarla öngörüye dayalı modelleri eğitmenize yardımcı olan algoritmalar içerir. Algoritmaya örnek olarak sınıflandırma ve regresyon ağaçları (CART), mantıksal regresyon ve k ortalamaları gösterilebilir.

Başta bir eğitim veri kümesinde model eğitmek için veri akışı düzenleyicisini kullanırsınız. Öngörüye dayalı model eğitildikten sonra, modeli öngörmek istediğiniz veri kümelerine uygularsınız.

Eğitilen bir modeli diğer kullanıcılara sunabilirsiniz ve onlar değerleri öngörmek için modeli verilerine göre uygulayabilir. Bazı durumlarda belirli kullanıcılar modelleri eğitir ve diğer kullanıcılar modelleri uygular.

Bir veri akışında veri kümesi oluşturmak veya bir çalışma kitabına öngörü görselleştirmesi eklemek üzere bilinmeyen veya etiketsiz verileri puanlamak için nihai modeli kullanın.

Oracle Analitik makine öğrenimi modellemenizin ihtiyaç duyduklarına yönelik olarak algoritmalar sağlar: sayısal öngörü, çoklu sınıflandırıcı, ikili sınıflandırıcı ve kümeleme.

Oracle'ın makine öğrenimi fonksiyonu, verilerinde ne aradıkları hakkında fikir sahibi olan, öngörüye dayalı analiz uygulamalarını bilen ve algoritmalar arasındaki farkları anlayan gelişmiş veri analistlerine yöneliktir.

Normalde kullanıcılar birden fazla öngörü modeli oluşturmak, modelleri karşılaştırmak ve ölçütleri ve gereksinimleri en iyi şekilde karşılayanı seçmek ister. Bu ölçütler farklılık gösterebilir. Örneğin, bazen kullanıcılar daha iyi genel doğruluğu olan modelleri seçerler, bazen kullanıcılar en az tip I (yanlış pozitif) ve tip II (yanlış negatif) hata içeren modelleri seçerler ve bazen kullanıcılar sonuçları daha hızlı döndüren ve sonuçlar ideal olmasa da kabul edilebilir bir doğruluk düzeyi olan modelleri seçerler.

Oracle Analitik, her tür öngörü veya sınıflandırmaya yönelik olarak birden fazla makine öğrenimi algoritması içerir. Bu algoritmalar ile, kullanıcılar birden fazla model oluşturabilir veya farklı ince ayarlı parametreleri kullanabilirler veya farklı girdi eğitim veri kümeleri kullanabilirler ve ardından en iyi modeli seçebilirler. Kullanıcı, kendi ölçütleri ile modelleri karşılaştırıp tartarak en iyi modeli seçebilir. En iyi modeli belirlemek üzere, kullanıcılar doğruluk belirlemek üzere modeli uygulayarak hesaplamaların sonuçlarını görselleştirebilirler veya Oracle Analitik tarafından çıktı oluşturmak üzere modeli kullandığı ilgili veri kümelerini açabilir ve keşfedebilirler.

Sağlanan algoritmalar hakkında bilgi edinmek için bu tabloya danışın.

Oracle Otonom Veri Ambarı'ndan alınan verileri kullandığınızda, tahmine dayalı bir model önermek ve eğitmek için AutoML özelliğini kullanabilirsiniz. AutoML verilerinizi analiz eder, kullanılacak en iyi algoritmayı hesaplar ve verileriniz üzerinde tahminler yapabilmeniz için Oracle Analitik'te bir tahmin modeli kaydeder.

1. Giriş sayfasında Oluştur'a ve ardından Veri Akışı'na tıklayın.
2. Veri Kümesi Ekle'de, analiz edilecek verileri içeren Oracle Otonom Veri Ambarı'na dayalı veri kümesini seçin.
3. Adım ekle'ye ve ardından AutoML'ye tıklayın.
4. Hedef için Sütun seç'e tıklayın ve tahmin etmeye çalıştığınız değeri içeren veri sütununu seçin.
   Örneğin, çalışan azalmasını tahmin etmek için, çalışanların bir kuruluştan ayrılıp ayrılmadığını 'DOĞRU' veya 'YANLIŞ' olarak belirten ATTRITION adlı bir alan seçebilirsiniz.
   

   
   .png'' çiziminin açıklaması

   
   
5. Oracle Analitik'in önerdiği Görev Tipi ve Model Sıralama Metriği'ni kabul edin veya farklı bir algoritma seçin.
6. Modeli Kaydet'e tıklayın ve oluşturulan tahmin modelinin adını belirtin.
7. Kaydet'e tıklayın ve veri akışı için bir ad belirtin.
8. Verileri analiz etmek ve tahmine dayalı bir model oluşturmak için Çalıştır'a tıklayın.
9. Ana sayfadan, Gezin'e tıklayın, ardından Makine Öğrenimi'ne tıklayın, ardından oluşturulan modele sağ tıklayın ve Denetle'yi seçin.

Geliş veri analistleri, veri kümelerinde araştırma yapmak, bir hedef değeri tahmin etmek veya kayıt sınıflarını belirlemek üzere Oracle Makine Öğrenimi algoritmalarını devreye almak için öngörüye dayalı modelleri oluşturur ve model eğitimlerini verir. Öngörüye dayalı modeller oluşturmak ve eğitmek ve verilerinize uygulamak için veri akışı düzenleyicisini kullanın.

1. Giriş sayfasında Oluştur'a tıklayın ve Veri Akışı'nı seçin.
2. Modeli eğitmek için kullanmak istediğiniz veri kümesini seçin. Ekle'ye tıklayın.
3. Veri akışı düzenleyicisinde Adım ekle (+) öğesini seçin.
   Bir veri kümesi ekledikten sonra modeli oluşturmak için veri kümesindeki tüm sütunları kullanabilir veya sadece ilgili sütunları seçebilirsiniz. İlgili sütunların seçilmesi için veri kümesinin anlaşılması gerekir. Sonuçta ortaya çıkacak davranışı etkilemeyeceğini bildiğiniz sütunları veya artık bilgiler içeren sütunları yoksayın. Sütun Seç adımını ekleyerek sadece ilgili sütunları seçebilirsiniz. İlgili sütunlardan emin değilseniz tüm sütunları kullanın.
4. Model eğitimi adımlarından birini seçin (örneğin, Sayısal Öngörü Eğitimi veya Kümeleme Eğitimi).
5. Bir algoritma seçin ve Tamam'a tıklayın.
6. Öngörü veya sınıflandırma gibi denetlenen bir modelle çalışıyorsanız Hedef'e tıklayın ve öngörmeye çalıştığınız sütunu seçin. Örneğin, bir kişinin gelirini öngörmek için bir model oluşturuyorsanız Gelir sütununu seçin.
   Kümeleme gibi denetlenmeyen bir modelle çalışıyorsanız hedef sütun gerekli değildir.
7. Öngörülen sonucun doğruluğunu ayarlamak ve geliştirmek için modelinizin ayar öndeğerlerini değiştirin. Bu ayarları çalıştığınız model belirler.
8. Modeli Kaydet adımına tıklayın ve bir ad ve açıklama sağlayın.
9. Kaydet'e tıklayın, veri akışı için bir ad ile açıklama girin ve Tamam'a tıklayıp veri akışını kaydedin.
10. Sağladığınız girdi veri kümesi ve model ayarlarına göre öngörüye dayalı modeli oluşturmak için Veri Akışını Çalıştır'a tıklayın.

Öngörüye dayalı modeli oluşturup veri akışını çalıştırdıktan sonra, modelin doğruluğunu belirlemek için model hakkındaki bilgileri gözden geçirebilirsiniz. Doğruluğunu geliştirmek ve daha iyi sonuçlar öngörmek üzere modeli tekrarlı olarak düzenlemek için bu bilgileri kullanın.

Bir çalışma kitabında senaryo oluştururken, modelin bulması için tasarlandığı eğilimleri ve desenleri göstermek için projenin veri kümesine öngörüye dayalı bir model uygularsınız.

1. Giriş sayfasında Oluştur'a ve Çalışma Kitabı'na tıklayın.
2. Çalışma kitabını oluşturmak için kullanmak istediğiniz veri kümesini seçin ve Çalışma Kitabına Ekle'ye tıklayın.
3. Veri bölmesinde Ekle'ye tıklayın ve Senaryo Oluştur'u seçin.
4. Senaryo Oluştur - Model Seç iletişim kutusunda bir model seçin ve Tamam'a tıklayın.
   Sadece öngörüye dayalı modelleri uygulayabilirsiniz. Oracle makine öğrenimi modellerini uygulayamazsınız.
   Her bir model girdisi bir veri öğesiyle eşleştirilemezse, Verilerinizi Modele Eşleyin iletişim kutusu görüntülenir.
5. Verileri Modele Eşleyin iletişim kutusu görüntülenirse, Veri Kümesi alanında modelle birlikte kullanılacak veri kümesini seçin.
6. Model girdisi ile veri öğelerini gerektiği gibi eşleştirin. Bitti'ye tıklayın.
   Senaryo, Veri Öğeleri bölmesinde bir veri kümesi olarak görüntülenir.
7. Veri kümesi ve modeldeki öğeleri Görselleştir fonuna sürükleyin.
8. Senaryoyu ayarlamak için Veri Öğeleri bölmesinde senaryoya sağ tıklayıp Senaryoyu Düzenle'yi seçin.
9. Gerekirse veri kümesini değiştirin ve model girdisi ile veri öğeleri eşlemesini güncelleyin.
10. Çalışma kitabını kaydetmek için Kaydet'e tıklayın.