Bevor Sie beginnen

In diesem 10-minütigen Tutorial erfahren Sie, wie Sie die vom Vorhersagemodell erstellten zugehörigen Datasets prüfen, um deren Genauigkeit zu ermitteln und Änderungen zu implementieren, um die Ergebnisse zu verbessern.

Hintergrund

Wenn Sie ein Vorhersagemodell trainieren und erstellen, generiert Oracle Analytics die zugehörigen Datasets. Diese verknüpften Datasets enthalten Details zum Modell wie Vorhersageregeln, Genauigkeitsmetriken, Konfusionsmatrix und Schlüsselfaktoren für Vorhersagen, je nach Algorithmustyp. Sie können die vom Vorhersagemodell verwendeten Regeln untersuchen, um das Modell zu optimieren und bessere Ergebnisse zu erzielen. Anhand dieser Informationen können Sie die Modelleinstellungen iterativ anpassen, um die Genauigkeit zu verbessern und bessere Ergebnisse vorherzusagen.

Dies ist das zweite Tutorial unter Vorhersagemodelle trainieren und anwenden in Oracle Analytics. Lesen Sie die Tutorials in der aufgeführten Reihenfolge.

Voraussetzungen

  • Zugriff auf Oracle Analytics Cloud
  • Zugriff auf den Datenfluss elastic_train_df
  • Zugriff auf das Dataset sample_donation_data

Datenfluss des Trainingsmodells bearbeiten

  1. Klicken Sie auf Ihrer Homepage auf Daten.
  2. Klicken Sie im Elastic_train_df-Datenfluss auf Aktionen Symbol für Menü 'Aktionen', und wählen Sie Öffnen aus.
  3. Klicken Sie auf Schritt hinzufügen Symbol "Schritt hinzufügen" in der Zeile vor dem Schritt "Numerische Vorhersage trainieren", und klicken Sie dann auf Spalten auswählen. Klicken Sie in der Liste "Ausgewählt" auf Folgendes:
    • PROJEKTKENNUNG
    • TEACHER_ACCTID
    • SCH_LATITUDE
    • SCH_LONGITUDE
    • STUDENTS_REACHED
    • NUM_DONORS
    • FUNDING_STATUS
    • DATE_COMPLETED
  4. Klicken Sie auf Auswahl entfernen.
  5. Klicken Sie im Datenfluss auf den Knoten Modell speichern. Geben Sie unter Name elastic_model_2 ein.


    Beschreibung von elast_model_2_df.png folgt
    Beschreibung der Abbildung elast_model_2_df.png
  6. Klicken Sie auf Speichern. Klicken Sie auf Datenfluss ausführen Symbol "Datenfluss ausführen".
  7. Klicken Sie auf Zurück Symbol "Zurück".

Überarbeitetes Modell für maschinelles Lernen prüfen

  1. Klicken Sie auf Ihrer Homepage auf Maschinelles Lernen. Klicken Sie im Elastic_model_2 auf die Aktionen, und wählen Sie Prüfen aus.
  2. Klicken Sie in elastic_model_2 auf Qualität.


    Die Restwertverteilung in elastic_model_2 unterscheidet sich geringfügig von der in elastic_model_1.

    Beschreibung von elast_model2_quality.png folgt
    Beschreibung der Abbildung elast_model2_quality.png

    Der Bestimmungskoeffizient beträgt 2% in elastic_model_2. In elastic_model_1 beträgt der Bestimmungskoeffizient 16%. Ihre Werte unterscheiden sich aufgrund der zufälligen Auswahl von Spendendaten bei der Ausführung des Datenflusses.

    Beschreibung von elast_model_1_residual.png folgt
    Beschreibung der Abbildung elast_model_1_residual.png
  3. Klicken Sie auf Schließen.

Szenarios für Vorhersagemodelle vergleichen

  1. Klicken Sie auf Home, Arbeitsmappen und Berichte, donations_random_sample, Aktionen Symbol für Menü 'Aktionen', Öffnen.
  2. Klicken Sie auf BearbeitenSymbol "Bearbeiten".
  3. Klicken Sie im Bereich "Daten" auf Szenario erstellen. Klicken Sie unter "Szenario erstellen - Modell auswählen" auf elastic_model_2 und dann auf OK.
  4. Blenden Sie im Bereich "Daten" elastic_model_2 ein, wählen Sie TOTAL_DONATIONS Vorhersage aus, und ziehen Sie sie in Werte (Y-Achse) im Bereich "Grammatik".

    Die beiden Modelle liefern ähnliche Ergebnisse, obwohl sie unterschiedliche Modellvariablen verwenden.


    Beschreibung von total_donations_model2.png folgt
    Beschreibung der Abbildung total_donations_model2.png
  5. Klicken Sie auf Speichern.

Nächste Schritte

Vorhersagemodell anwenden

Weitere Informationen