导入 ML 模型

将经过全面训练的 ML 模型导入 Planning 应用程序，以将 ML 模型提供给业务用户使用。

先决条件：数据科学团队必须先构建、训练 ML 模型并将其保存为 PMML 文件，然后您才可以导入 ML 模型。

要将 ML 模型导入 Planning 应用程序：

1. 从主页中，依次单击 IPM 和 ML 模型。
2. 单击导入，然后拖放 PMML 文件，或浏览到文件并选择它。

   在导入模型页面上，您可以查看有关 PMML 文件的信息，例如目标列（要使用 ML 模型预测的变量）和训练日期。

3. 输入模型名称和说明，然后单击下一步。
4. 在生成规则页面上，输入要与表单或仪表板关联的 Groovy 规则的生成信息：

   在模型映射中，选择 ML 模型应用于的多维数据集，并通过从每个维中选择一个成员或一组成员来定义 ML 模型应用于的数据范围。

5. 将输入和输出映射到多维数据集中相应的维和成员，然后单击下一步。

   输入和输出部分包含输入特征（用于做出预测的特征/列）和目标特征（要预测的列）列表。Planning 将分析 PMML 文件以生成输入和输出列表。

   输入特征是独立变量，与动因类似，充当系统的输入。当您做出预测时，模型将使用输入特征预测输出。在此步骤中，您需要将 ML 模型中的输入映射到 Planning 多维数据集中的输出。输入描述如何从 ML 模型中提取数据。输出定义您想要预测的目标度量，以及将预测值粘贴到 Planning 应用程序中的什么位置。

   例如，可以使用产品、价格和行业销量（输入特征）预测销量（输出）。

   • 在输入区域，为每个输入特征选择输入类型；如果您选择了单元格值或成员，请选择 Planning 应用程序中要映射到的成员或维。输入类型：

     • 提示：如果 Planning 中没有映射到 ML 模型中的此输入值的成员或维，则做出预测时，将提示用户为值输入估计值。
     • 单元格值：将输入特征映射到 Planning 多维数据集中的一个或多个维成员。例如，名为“价格”的输入特征映射到 Planning 应用程序中名为“价格”的帐户成员。
     • 成员：将输入特征映射到 Planning 多维数据集中的维。例如，名为“产品”的输入特征映射到 Planning 应用程序中的“产品”维。

   • 在输出区域，选择输入类型；如果您选择了单元格值或成员，请选择 Planning 应用程序中要映射到的成员或维以存储预测结果。

6. 在分析模型中，检查 ML 模型，然后单击下一步。

   该步骤体现了 MLX（Machine Learning Explainability，机器学习可解释性），并提取有关 ML 模型的其他信息。例如，查看回归系数，以了解如何使用主要输入特征的相对影响来预测输出。条高度表示输入特征增加一个单位对目标变量的增量效应。

7. 在测试模型中，通过生成一组示例值的预测来测试 ML 模型。对于每个输入，输入示例输入值，然后单击预测。
8. 查看预测的输出值，然后单击保存并关闭。
9. 单击是以确认创建 Groovy 规则。

每个 ML 模型定义将生成两个 Groovy 规则：

• ML_MLModelName_Form：此规则可用于与表单或仪表板关联，从而使用户可以按需做出预测。
• ML_MLModelName：此规则可用于在调度作业中生成大规模预测，以实现批量处理。

您可以在 Calculation Manager 中查看生成的规则。Groovy 规则定义 PMML 文件的名称和位置，以及基于您所定义映射的输入和输出。有关使用这些生成的 Groovy 规则的详细信息，请参阅“部署 ML 模型以供规划者使用”。