สร้างโมเดลการคาดคะเน

ตัวอย่างนี้สร้างโมเดล AI ของการคาดคะเนของ Power Apps ที่ใช้ตาราความตั้งใจของผู้ซื้อออนไลน์ใน Microsoft Dataverse เพื่อรับข้อมูลตัวอย่างนี้ลงในสภาพแวดล้อม Microsoft Power Platform ของคุณ เปิดใช้งานการตั้งค่า ปรับใช้แอปตัวอย่างและข้อมูล เมื่อคุณสร้างสภาพแวดล้อมตามที่อธิบายไว้ใน สร้างโมเดลใน AI Builder หรือทำตามคำแนะนำอย่างละเอียดเพิ่มเติมใน การเตรียมข้อมูล หลังจากข้อมูลตัวอย่างของคุณอยู่ใน Dataverse แล้ว ให้ทำตามขั้นตอนต่อไปนี้เพื่อสร้างโมเดลของคุณ

1. ลงชื่อเข้าใช้ Power Apps หรือ Power Automate

2. บนบานหน้าต่างด้านซ้าย เลือก ... เพิ่มเติม>ฮับ AI

3. ใต้ ค้นพบความสามารถของ AI ให้เลือก โมเดล AI

   (ไม่บังคับ) หากต้องการเก็บโมเดล AI ไว้ในเมนูแบบถาวรเพื่อให้เข้าถึงได้ง่าย ให้เลือกไอคอนหมุด

4. เลือก การคาดคะเน - คาดคะเนผลลัพธ์ในอนาคตจากข้อมูลในอดีต

5. เลือก สร้างโมเดลที่กำหนดเอง

เลือกผลลัพธ์ในอดีตของคุณ

ลองนึกถึงการคาดคะเนที่คุณต้องการให้ AI Builder สร้าง ตัวอย่างเช่น สำหรับคำถาม "ลูกค้าจะยกเลิกใช้บริการหรือไม่" ให้คิดเกี่ยวกับคำถามเช่นนี้:

• ตารางที่มีข้อมูลเกี่ยวกับการเลิกใช้บริการของลูกค้าคือที่ไหน
• มีคอลัมน์ที่ระบุว่าลูกค้าได้ยกเลิกใช้บริการเป็นพิเศษหรือไม่
• ค่าที่ไม่ทราบในคอลัมน์อาจทำให้เกิดความไม่แน่นอนหรือไม่

ใช้ข้อมูลนี้เพื่อทำการเลือกของคุณ หากคุณกำลังทำงานกับข้อมูลตัวอย่างที่ให้มา คำถามคือ "ผู้ใช้รายนี้ที่มีปฏิสัมพันธ์กับร้านค้าออนไลน์ของฉันได้ทำการซื้อหรือไม่" ถ้าพวกเขาซื้อแล้ว ควรมีรายได้สำหรับลูกค้านั้น ดังนั้น ไม่ว่าจะมีรายได้สำหรับลูกค้ารายนี้หรือไม่ ก็ควรถือเป็นผลลัพธ์ในอดีต ทุกที่ที่ข้อมูลนี้ว่างเปล่าคือที่ที่ AI Builder สามารถช่วยให้คุณทำการคาดคะเนได้

1. ในเมนูดรอปดาวน์ ตาราง เลือกตารางที่ประกอบด้วยข้อมูลและผลลัพธ์ที่คุณต้องการคาดคะเน สำหรับข้อมูลตัวอย่าง เลือก ความตั้งใจของผู้ซื้อออนไลน์

2. ในเมนูดรอปดาวน์ คอลัมน์ เลือกคอลัมน์ที่มีผลลัพธ์ สำหรับข้อมูลตัวอย่าง ให้เลือก รายได้ (ป้ายชื่อ) หรือ หากคุณต้องการลองทายผลตัวเลข ให้เลือก ExitRates

3. ถ้าคุณเลือกชุดตัวเลือกที่มีผลลัพธ์สองอย่างหรือมากกว่า คุณอาจต้องพิจารณาที่จะแมปเป็น "ใช่" หรือ "ไม่ใช่" เนื่องจากคุณต้องการคาดการณ์ว่าจะเกิดอะไรขึ้นหรือไม่

4. หากคุณต้องการคาดคะเนผลลัพธ์หลายรายการ ให้ใช้ชุดข้อมูลอีคอมเมิร์ซของบราซิลในตัวอย่าง แล้วเลือก คำสั่ง BC ในเมนูดรอปดาวน์ ตาราง และ เส้นเวลาการจัดส่ง ในเมนูดรอปดาวน์ คอลัมน์

หมายเหตุ

AI Builder รองรับชนิดข้อมูลเหล่านี้สำหรับคอลัมน์ผลลัพธ์:

• ใช่/ไม่
• Choices
• จำนวนเต็ม
• เลขทศนิยม
• เลขจุดทศนิยมลอยตัว
• สกุลเงิน

เลือกคอลัมน์ข้อมูลเพื่อฝึกโมเดลของคุณ

หลังจากที่คุณเลือก ตาราง และ คอลัมน์ และแมปผลลัพธ์ของคุณ คุณสามารถทำการเปลี่ยนแปลงในคอลัมน์ที่ใช้ในการฝึกโมเดล ตามค่าเริ่มต้นนั้น คอลัมน์ทั้งหมดที่เกี่ยวข้องจะถูกเลือก คุณสามารถยกเลิกการเลือกคอลัมน์ที่อาจทำให้โมเดลมีความแม่นยำน้อยลงได้ หากคุณไม่ทราบว่าต้องทำอย่างไรที่นี่ ไม่ต้องกังวล AI Builder จะพยายามค้นหาคอลัมน์ที่ให้โมเดลที่ดีที่สุดที่เป็นไปได้ สำหรับข้อมูลตัวอย่าง เพียงแค่ปล่อยทุกอย่างให้เป็นอยู่อย่างนั้น และเลือก ถัดไป

ข้อพิจารณาในการเลือกคอลัมน์ข้อมูล

สิ่งสำคัญที่สุดที่ควรพิจารณาในที่นี้ คือคอลัมน์ที่ไม่ใช่คอลัมน์ผลลัพธ์ในอดีตของคุณถูกกำหนดโดยทางอ้อมด้วยผลลัพธ์หรือไม่

สมมติว่าคุณต้องการทราบว่าการจัดส่งจะเกิดความล่าช้าหรือไม่ คุณอาจมีวันที่จัดส่งจริงในข้อมูลของคุณ วันที่ดังกล่าวจะแสดงขึ้นหลังจากที่คำสั่งซื้อได้รับการจัดส่งแล้วเท่านั้น ดังนั้นถ้าคุณรวมคอลัมน์นี้เข้าไว้ด้วย โมเดลจะมีความแม่นยำใกล้เคียงกับ 100เปอร์เซนต์ คำสั่งซื้อที่คุณต้องการคาดการณ์จะยังไม่ถูกจัดส่ง และจะไม่มีคอลัมน์วันที่ที่จัดส่ง ดังนั้น คุณควรยกเลิกการเลือกคอลัมน์เช่นนี้ก่อนการฝึก ในการเรียนรู้เกี่ยวกับเครื่อง นี่เรียกว่า การรั่วไหลของเป้าหมาย หรือ การรั่วไหลของข้อมูล AI Builder พยายามกรองคอลัมน์ที่ "ดีเกินกว่าที่จะเป็นจริง" แต่คุณก็ควรจะตรวจสอบ

หมายเหตุ

เมื่อคุณเลือกฟิลด์ข้อมูล บางชนิดข้อมูลเช่น รูปภาพ ซึ่งไม่สามารถใช้เป็นการป้อนเข้าเพื่อฝึกโมเดลจะไม่แสดง นอกจากนี้คอลัมน์ของระบบ เช่น Created On ยังถูกแยกออกตามค่าเริ่มต้น

ใช้ข้อมูลจากตารางที่เกี่ยวข้อง

ถ้าคุณมีตารางที่เกี่ยวข้องที่อาจปรับปรุงประสิทธิภาพการคาดการณ์ได้ คุณสามารถใส่ข้อมูลเหล่านั้นได้เช่นกัน อย่างที่คุณเคยทำเมื่อคุณต้องการคาดคะเนว่าลูกค้าจะยกเลิก คุณควรใส่ข้อมูลเพิ่มเติมที่อาจอยู่ในตารางที่แยกต่างหาก AI Builder สนับสนุนความสัมพันธ์แบบกลุ่มต่อหนึ่งในขณะนี้

กรองข้อมูลของคุณ

หลังจากคุณได้เลือกคอลัมน์สำหรับการฝึกแล้ว คุณสามารถทำการกรองข้อมูลของคุณได้ ตารางของคุณจะมีแถวทั้งหมด อย่างไรก็ตาม คุณอาจต้องการมุ่งเน้นไปที่การฝึกและการคาดการณ์ในชุดย่อยของแถว ถ้าคุณทราบว่ามีข้อมูลที่ไม่เกี่ยวข้องอยู่ในตารางเดียวกันกับที่คุณใช้ในการฝึกโมเดล คุณสามารถใช้ขั้นตอนนี้เพื่อกรองได้

ตัวอย่างเช่น ถ้าคุณใช้ตัวกรองเพื่อดูเฉพาะภูมิภาคสหรัฐอเมริกา โมเดลจะฝึกบนแถวที่มีการทราบผลลัพธ์สำหรับภูมิภาคสหรัฐอเมริกาเท่านั้น เมื่อโมเดลนี้ได้รับการฝึกแล้ว จะทำการคาดการณ์สำหรับแถวที่ผลลัพธ์ไม่เป็นที่รู้จักสำหรับเฉพาะภูมิภาคสหรัฐอเมริกาเท่านั้น

ประสบการณ์การกรองจะเหมือนกับในตัวแก้ไขมุมมองของ Power Apps เริ่มโดยการเพิ่ม:

• แถว ซึ่งประกอบด้วยเงื่อนไขการกรองเดียว
• กลุ่ม ซึ่งช่วยให้คุณสามารถซ้อนเงื่อนไขการกรองของคุณ
• ตารางที่เกี่ยวข้อง ซึ่งช่วยให้คุณสามารถสร้างเงื่อนไขตัวกรองในตารางที่เกี่ยวข้อง

เลือกคอลัมน์ ตัวดำเนินการ และค่าที่แสดงถึงเงื่อนไขตัวกรอง คุณสามารถใช้กล่องกาเครื่องหมายเพื่อจัดกลุ่มแถวหรือลบแถวจำนวนมากได้

ขั้นตอนถัดไป

ฝึกและเผยแพร่โมเดลการคาดคะเนของคุณ