Het voorspellingsmodel verbeteren

In dit artikel worden de functies beschreven die u kunt gebruiken om de prestaties van voorspellingsmodellen te verbeteren. U begint uw model te verbeteren in het werkgebied Voorspellingen voor klantbetalingen in Microsoft Dynamics 365 Finance. De stappen voor verbetering worden vervolgens uitgevoerd in AI Builder.

Historische resultaten selecteren

U selecteert eerst een of meer van de drie mogelijke resultaten voor facturen: op tijd, te laat en zeer laat. Alle drie de resultaten moeten worden geselecteerd. Als u de selectie van een van de resultaten wist, worden facturen uit het trainingsproces gefilterd en wordt de nauwkeurigheid van de voorspelling verlaagd.

Als uw organisatie slechts twee resultaten nodig heeft, wijzigt u de drempels te laat en zeer laat in 0 (nul) dagen. Op deze manier vouwt u de voorspelling samen tot een binaire status op tijd of te laat.

Velden selecteren

Wanneer u velden selecteert die u in het model wilt opnemen, moet u er rekening mee houden dat de lijst alle beschikbare velden bevat in de Microsoft Dataverse-tabel die is toegewezen aan de gegevens in de Azure data lake. Sommige van deze velden mogen niet zijn geselecteerd. De velden die niet mogen worden geselecteerd, vallen in een van de volgende drie categorieën:

• Het veld is vereist voor de Dataverse-tabel, maar er zijn geen gegevens voor in de data lake.
• Het veld is een id en is daarom niet zinvol voor een machine learning-functie.
• Het veld bevat informatie die niet beschikbaar is tijdens de voorspelling.

In de volgende secties worden de velden weergegeven die beschikbaar zijn voor de factuur- en klantentiteiten, en worden de velden weergegeven die niet voor de training moeten worden geselecteerd. De categorie die voor elk van deze velden is opgegeven, verwijst naar de categorieën in de voorgaande lijst.  

Dataverse-tabel Factuur

In de volgende afbeelding ziet u de velden die beschikbaar zijn voor de tabel Factuur.

De volgende velden moeten niet zijn geselecteerd voor training:

• Te factureren rekening(categorie 2)
• Afgesloten(categorie 3) – Dit veld wordt gebruikt om facturen te filteren op training (afgesloten) en voorspelling (niet afgesloten).
• Naam (categorie 1)
• Bron-ID (categorie 2)
• Bronrecord (categorie 2)
• Brontabel (categorie 2)

Dataverse-tabel Klant

In de volgende afbeelding ziet u de velden die beschikbaar zijn voor de tabel Klant.

Het volgende veld moet niet zijn geselecteerd voor training:

• Unieke rijsleutel (categorie 2)

Filters

U kunt de facturen filteren die voor de training worden gebruikt door filtercriteria in te stellen voor velden op de factuur of in de klanttabellen. U kunt bijvoorbeeld een drempel instellen om alleen facturen op te nemen waarbij het totaal gelijk is aan of groter is dan een bepaald bedrag. U kunt ook facturen uitsluiten die aan klanten zijn gekoppeld in een specifieke klantengroep.

Zie Een voorspellingsmodel maken voor meer informatie over het filteren van uw gegevens.