Delen via


Een voorspellingsmodel maken

Dit voorbeeld maakt een Power Apps-voorspellingsmodel op basis van AI dat gebruikmaakt van de tabel Bedoelingen van de onlineklant in Microsoft Dataverse. Om deze voorbeeldgegevens in uw Microsoft Power Platform-omgeving te krijgen, schakelt u de instelling Voorbeeldapps en -gegevens implementeren in wanneer u een omgeving maakt zoals wordt beschreven in Een model bouwen in AI Builder. Of volg de meer gedetailleerde instructies in Gegevensvoorbereiding. Als uw voorbeeldgegevens in Dataverse zijn opgenomen, voert u de volgende stappen uit om uw model te maken.

  1. Meld u aan bij Power Apps of Power Automate.

  2. Selecteer in het linkerdeelvenster ... Meer>AI-hub.

  3. Selecteer onder Een AI-mogelijkheid ontdekken de optie AI-modellen.

    (Optioneel) Als u AI-modellen permanent in het menu wilt houden voor gemakkelijke toegang, selecteert u het punaisepictogram.

  4. Selecteer Voorspel toekomstige resultaten op basis van historische gegevens.

  5. Selecteer Aangepast model maken.

Uw historische resultaat selecteren

Denk goed na over de voorspelling die u met AI Builder wilt maken. Denk voor een vraag als 'Gaat mijn klant vertrekken?' bijvoorbeeld na over de volgende zaken:

  • Waar bevindt zich de tabel die informatie over klantverloop bevat?
  • Is er een kolom beschikbaar waarin specifiek wordt vermeld of een bepaalde klant is vertrokken?
  • Zijn er onbekende gegevens in een kolom waardoor onzekerheid kan optreden?

Gebruik deze informatie om uw selecties te maken. Als u met de beschikbare voorbeeldgegevens werkt, luidt de vraag: 'Heeft deze gebruiker die mijn onlinewinkel heeft bezocht, een aankoop gedaan?' Als dat is gebeurd, moet er omzet zijn voor die klant. Of er omzet is voor deze klant, moet dus het historische resultaat zijn. Wanneer deze informatie niet is opgegeven, kunt u AI Builder gebruiken om een voorspelling te doen.

  1. In het vervolgkeuzemenu Tabel selecteert u de tabel met de gegevens en het resultaat dat u wilt voorspellen. Selecteer Bedoelingen van onlineklant voor de voorbeeldgegevens.

  2. In het vervolgkeuzemenu Kolom selecteert u de kolom met de uitkomst. Selecteer Omzet (label) voor de voorbeeldgegevens. Als u een getal wilt voorspellen, selecteert u ExitRates.

  3. Als u een optieset hebt geselecteerd die twee of meer resultaten bevat, kunt u overwegen om deze toe te wijzen aan Ja of Nee, omdat u wilt voorspellen of iets gaat plaatsvinden.

  4. Als u meerdere resultaten wilt voorspellen, gebruikt u de Braziliaanse e-commerce gegevensset in het voorbeeld en selecteert u BC-order in het vervolgkeuzemenu Tabel en Leveringstijdlijnen in het vervolgkeuzemenu Kolom.

Notitie

AI Builder ondersteunt deze gegevenstypen voor de resultatenkolom:

  • Ja/nee
  • Choices
  • Geheel getal
  • Decimaal getal
  • Drijvende-kommagetal
  • Valuta

De gegevenskolommen selecteren om uw model te trainen

Nadat u de Tabel en de Kolom hebt geselecteerd en uw resultaat hebt toegewezen, kunt u wijzigingen aanbrengen in de gegevenskolommen die worden gebruikt om het model te trainen. Standaard worden alle relevante kolommen geselecteerd. Van kolommen die mogelijk tot een minder nauwkeurig model leiden, kunt u de selectie opheffen. Maakt u zich geen zorgen als u niet weet wat u hier moet doen. In AI Builder wordt geprobeerd om kolommen te vinden die het best mogelijke model bieden. Voor de voorbeeldgegevens kunt u alles laten zoals het is en Volgende selecteren.

Overwegingen bij het selecteren van gegevenskolommen

Waar u hier vooral rekening mee moet houden, is de vraag of een kolom die niet de kolom met uw historische resultaat is, indirect wordt bepaald door het resultaat.

Stel dat u wilt voorspellen of een verzending vertraging gaat oplopen. Mogelijk hebt u de daadwerkelijke leveringsdatum in uw gegevens. Deze datum ziet u pas nadat de order is geleverd. Als u deze kolom opneemt, heeft het model dus bijna 100procent nauwkeurigheid. De orders die u wilt voorspellen, zullen nog niet zijn bezorgd, en de kolom voor de leveringsdatum is hiervoor nog niet ingevuld. Daarom moet u de selectie van kolommen zoals deze vóór de training opheffen. Bij machine learning wordt dit een doellek of gegevenslek genoemd. In AI Builder wordt geprobeerd om kolommen te filteren die ‘te goed zijn om waar te zijn’, maar u moet dit nog wel controleren.

Notitie

Wanneer u gegevensvelden selecteert, worden sommige gegevenstypen die niet kunnen worden gebruikt als invoer voor het trainen van het model, zoals Afbeelding, niet weergegeven. Daarnaast worden systeemkolommen zoals Gemaakt op standaard uitgesloten.

Als u gerelateerde tabellen hebt die de prestaties van de voorspelling kunnen verbeteren, kunt u deze ook toevoegen. Zoals u deed toen u wilde voorspellen of een klant zal vertrekken, moet u aanvullende informatie opnemen die mogelijk in een aparte tabel staat. AI Builder ondersteunt op dit moment veel-op-een-relaties.

Uw gegevens filteren

Nadat u gegevenskolommen voor training hebt geselecteerd, kunt u filteren op uw gegevens. Uw tabellen bevatten alle rijen. Het kan echter goed zijn om u te concentreren op het trainen en voorspellen van een subset aan rijen. Als u weet dat dezelfde tabel die u gebruikt om een model te trainen, irrelevante gegevens bevat, kunt u deze stap gebruiken om deze gegevens te filteren.

Als u bijvoorbeeld een filter toepast om alleen de Amerikaanse regio te bekijken, wordt het model getraind in rijen waarvan alleen het resultaat voor de Amerikaanse regio bekend is. Wanneer dit model wordt getraind, doet het alleen voorspellingen voor rijen waarbij de uitkomst niet alleen bekend is voor de Amerikaanse regio.

De filterervaring is hetzelfde als in de Power Apps-weergaveneditor. Begin door het volgende toe te voegen:

  • Een rij, die één filtervoorwaarde bevat.
  • Een groep, waarmee u uw filtervoorwaarden kunt nesten.
  • Een gerelateerde tabel, waarmee u een filtervoorwaarde kunt maken voor een gerelateerde tabel.

Selecteer de kolom, de operator en de waarde die een filtervoorwaarde vertegenwoordigt. U kunt de selectievakjes gebruiken voor het groeperen van rijen of het bulksgewijs verwijderen van rijen.

Volgende stap

Uw voorspellingsmodel trainen en publiceren