Étapes préliminaires

Ce tutoriel de 10 minutes explique comment examiner les jeux de données connexes produits par le modèle prédictif pour en déterminer l'exactitude et mettre en oeuvre des modifications afin d'améliorer les résultats.

Contexte

Lorsque vous entraînez et créez un modèle prédictif, Oracle Analytics génère les jeux de données connexes. Ces jeux de données connexes contiennent des détails sur le modèle tels que des règles de prévision, des mesures d'exactitude, une matrice de confusion et des inducteurs clés de prévision selon le type d'algorithme. Vous pouvez examiner les règles utilisées par le modèle prédictif pour ajuster le modèle afin d'obtenir de meilleurs résultats. À l'aide de ces informations, adaptez les paramètres du modèle de manière itérative pour améliorer son exactitude et prédire de meilleurs résultats.

Il s'agit du deuxième tutoriel sous Entraîner et appliquer des modèles prédictifs dans Oracle Analytics. Lisez les tutoriels dans l'ordre indiqué.

Ce dont vous avez besoin

  • Accès à Oracle Analytics Cloud
  • Accès au flux de données elastic_train_df
  • Accès au jeu de données sample_donation_data

Modifier le flux de données du modèle d'entraînement

  1. Dans la page d'accueil, cliquez sur Données.
  2. Dans le flux de données elastic_train_df, cliquez sur Actions Icône du menu Actions, puis sélectionnez Open (Ouvrir).
  3. Cliquez sur Ajouter une étape Ajouter une icône d'étape sur la ligne avant l'étape Entraîner la prédiction numérique, puis cliquez sur Sélectionner des colonnes. Dans la liste Selected, cliquez sur les éléments suivants :
    • PROJECTÉ
    • TEACHER_ACCTID
    • SCH_LATITUDE
    • SCH_LONGITUDE
    • STUDENTS_REACHED
    • NUM_DONORS
    • FUNDING_STATUS
    • DATE_COMPLETED
  4. Cliquez sur Supprimer la sélection.
  5. Cliquez sur le noeud Enregistrer le modèle dans le flux de données. Dans Nom, entrez elastic_model_2.


    Une description de elastic_model_2_df.png suit
    Description de l'illustration elastic_model_2_df.png
  6. Cliquez sur Enregistrer. Cliquez sur Exécuter le flux de données Icône d'exécution du flux de données.
  7. Cliquez sur Retourner Icône Précédent.

Réviser le modèle d'apprentissage automatique révisé

  1. Dans votre page d'accueil, cliquez sur Apprentissage automatique. Dans élastique_model_2, cliquez sur Actions, puis sélectionnez Inspecter.
  2. Dans elastic_model_2, cliquez sur Qualité.


    La distribution de la valeur résiduelle dans elastic_model_2 est légèrement différente de celle dans elastic_model_1.

    Une description de elastic_model2_quality.png suit
    Description de l'illustration elastic_model2_quality.png

    La valeur du coefficient de détermination est de 2 % dans elastic_model_2. Dans elastic_model_1, la valeur du coefficient de détermination est de 16 %. Vos valeurs sont différentes en raison de la sélection aléatoire de données de don lors de l'exécution du flux de données.

    Une description de elastic_model_1_residual.png suit
    Description de l'illustration elastic_model_1_residual.png
  3. Cliquez sur Fermer.

Comparer des scénarios de modèle prédictif

  1. Cliquez sur Accueil, sur Classeurs et rapports, sur donations_random_sample, sur Actions Icône du menu Actions, puis sur Ouvrir.
  2. Cliquez sur Modifier Icône Modifier.
  3. Dans le panneau Données, cliquez sur Créer un scénario. Dans Créer un scénario - Sélectionner un modèle, cliquez sur elastic_model_2, puis sur OK.
  4. Dans le panneau Données, développez elastic_model_2, sélectionnez TOTAL_DONATIONS Prediction et faites-le glisser dans Valeurs (axe des Y) dans le panneau Grammaire.

    Les deux modèles produisent des résultats similaires même s'ils utilisent des variables de modèle différentes.


    Une description de total_donations_model2.png suit
    Description de l'illustration total_donations_model2.png
  5. Cliquez sur Enregistrer.

Étapes suivantes

Appliquer un modèle prédictif

En savoir plus