Avant de commencer

Ce tutoriel de 10 minutes vous montre comment vérifier les jeux de données associés produits par le modèle prédictif afin de déterminer sa précision et d'implémenter des modifications pour améliorer les résultats.

Contexte

Lorsque vous entraînez et créez un modèle prédictif, Oracle Analytics génère les jeux de données associés. Ces ensembles de données associés contiennent des détails sur le modèle : règles, mesures de performance d'exactitude, matrice d'exactitude et facteurs clés de prévision. Vous pouvez examiner les règles utilisées par le modèle prédictif pour aider à régler le modèle afin d'obtenir de meilleurs résultats. Utilisez ces informations pour ajuster par itération les paramètres du modèle afin d'améliorer l'exactitude et de prévoir des résultats plus fiables.

Il s'agit du deuxième tutoriel dans Entraînement et application de modèles prédictifs dans Oracle Analytics. Lisez les tutoriels dans l'ordre indiqué.

De quoi avez-vous besoin ?

  • accès à Oracle Analytics Cloud,
  • Accès au flux de données elastic_train_df
  • Accès à l'ensemble de données sample_donation_data

Modifier le flux de données du modèle d'entraînement

  1. Sur la page d'accueil, cliquez sur Données.
  2. Dans le flux de données élastique_train_df, cliquez sur Actions Icône du menu Actions, puis sélectionnez Ouvrir.
  3. Cliquez sur Ajouter une étape Icône Ajouter une étape sur la ligne précédant l'étape Entraîner la prévision numérique, puis cliquez sur Sélectionner des colonnes. Dans la liste Sélectionné, cliquez sur :
    • PROJECTÉ
    • TEACHER_ACCTID
    • SCH_LATITUDE
    • SCH_LONGITUDE
    • STUDENTS_REACHED
    • NUM_DONORS
    • FUNDING_STATUS
    • DATE_COMPLETED
  4. Cliquez sur Enlever la sélection.
  5. Cliquez sur le noeud Enregistrer le modèle dans le flux de données. Dans Nom, entrez elastic_model_2.


    Description de l'image elastic_model_2_df.png ci-après
    Description de l'illustration elastic_model_2_df.png ci-après
  6. Cliquez sur Enregistrer. Cliquez sur Exécuter le flux de données Icône Exécuter un flux de données.
  7. Cliquez sur Retour Icône Précédent.

Vérifier le modèle d'apprentissage automatique révisé

  1. Sur votre page d'accueil, cliquez sur Machine Learning. Dans le modèle élastique_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.

    Description de l'image elastic_model2_quality.png ci-après
    Description de l'illustration elastic_model2_quality.png ci-après

    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 des données de don lors de l'exécution du flux de données.

    Description de l'image elastic_model_1_residual.png ci-après
    Description de l'illustration elastic_model_1_residual.png ci-après
  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 Modifierl'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.


    Description de l'image total_donations_model2.png
    Description de l'illustration total_donations_model2.png
  5. Cliquez sur Enregistrer.

Etapes suivantes

Appliquer un modèle prédictif

En savoir plus