將已受完整訓練的 ML 模型匯入 Planning 應用程式,準備好提供給商務使用者使用。
必備條件:在您可以匯入 ML 模型之前,資料科學團隊必須先建立、訓練 ML 模型,然後將該 ML 模型儲存為 PMML 檔案。
如何將 ML 模型匯入 Planning 應用程式:
您可以在匯入模型頁面上,檢視該 PMML 檔案的資訊,例如目標欄 (要使用該 ML 模型來預測的變數) 及訓練日期。
在模型對映中,選取將會使用該 ML 模型的立方體,然後定義要使用該 ML 模型的資料範圍,方法是選取每個維度的一個成員或一組成員。
輸入和輸出區段包含輸入特徵 (用來進行預測的特徵/欄) 和目標特徵 (預期要被預測的欄) 的清單。Planning 會分析 PMML 檔案,以產生輸入和輸出的清單。
輸入特徵是類似動因的獨立變數,作為您系統的輸入。當您進行預測時,模型會使用輸入特徵來預測輸出。在此步驟中,您將 ML 模型的輸入對映到 Planning 立方體中的輸出。輸入說明系統如何從 ML 模型擷取資料。輸出則定義您要預測的目標測量值,以及系統要將預測值貼到 Planning 應用程式中的位置。
例如,產品、價格及產業量 (輸入特徵) 可用來預測數量 (輸出)。
在輸入區域中,選取每個輸入特徵的輸入類型;如果您選取儲存格值或成員,請在 Planning 應用程式中,選取要作為對映目標的成員或維度。輸入類型:
在輸出區域中,選取輸入類型;如果您選取儲存格值或成員,請在 Planning 應用程式中,選取要作為對映目標的成員或維度,以便儲存預測結果。
此步驟代表 MLX (機器學習可解釋性),還會擷取該 ML 模型的其他相關資訊。例如,您可以複查「迴歸係數」,看看系統如何使用關鍵輸入特徵的相對影響來預測輸出。而長條的高度,代表當輸入特徵增加一個單位,對於目標變數的遞增影響。
此時,系統會為每個 ML 模型定義產生兩個 Groovy 規則。
ML_MLModelName_Form
:使用此規則建立與表單或儀表板之間的關聯,讓使用者可以視需要進行預測。ML_MLModelName
:使用此規則在排定的工作中產生大量預測,供大量處理之用。您可以在 Calculation Manager 中複查已產生的規則。Groovy 規則會定義 PMML 檔案的名稱和位置,還會根據您之前定義的對映來定義輸入和輸出。如需深入瞭解如何使用已產生的 Groovy 規則,請參閱將 ML 模型部署給計畫人員。
教學課程
教學課程透過系列影片和文件提供說明,協助您瞭解某個主題。
您的目標 | 操作方法 |
---|---|
瞭解如何匯入已受完整訓練的 ML 模型並將它部署至 Planning 應用程式。然後,計畫人員可以利用功能完全,採用進階預測模型技術的 ML 式預測功能,產生更準確的預測結果。 | ![]() |