Construyendo una Predicción
Después de elegir un tipo de predicción, ML Studio te guía a través de tres pasos cortos que definen exactamente qué predecir, cuándo predecirlo y de qué aprender. Esta página cubre los pasos 2, 3 y 4 del flujo.
Paso 2 - Elegir el objetivo
La pantalla Elegir el objetivo pregunta "¿Qué debería predecir mindzie?" Eliges la columna cuyo valor quieres que el modelo aprenda.
Cada columna candidata se muestra como una tarjeta con su nombre, una pista de su contenido y una etiqueta:
- Para Clasificación, la etiqueta muestra cuántos valores distintos tiene la columna (por ejemplo 5 valores), con algunos ejemplos como Home, Rehab, SNF, Home Health, Expired.
- Para Binaria, sólo se ofrecen columnas con exactamente dos valores.
- Para Regresión, la etiqueta dice número, y sólo se ofrecen columnas numéricas.
Sólo aparecen aquí las columnas que encajan con el tipo de predicción escogido, para que no puedas seleccionar accidentalmente algo que no tenga sentido. El encabezado te indica de qué conjunto de datos estás trabajando y cuántas columnas candidatas se encontraron.
Todas las demás columnas se convierten en señales. Aquí solo eliges el objetivo. Todas las demás columnas de tu conjunto de datos, ya sean campos sin procesar o columnas derivadas de enriquecimientos, se convierten en señales candidatas que el modelo puede aprender de ellas. Las revisas y ajustas en el paso 4.
Si no aparece ninguna columna adecuada, intenta un tipo de predicción diferente o agrega primero una columna derivada a tu conjunto de datos con un enriquecimiento.
Paso 3 - Configuración de la predicción
La pantalla Configuración de la predicción pregunta "¿Cuándo predice mindzie?" Un caso es una secuencia de pasos a lo largo del tiempo, así que eliges el momento en que un caso en curso recibe su predicción. ML Studio aprende de tus casos históricos en ese mismo momento.
Elige un momento de predicción:
| Opción | Qué hace |
|---|---|
| Continuamente, a medida que ocurre cada paso (recomendado) | Cada caso abierto recibe una nueva predicción cada vez que se registra un nuevo paso, afinándose a medida que el caso avanza. |
| En un hito | Una predicción, hecha cuando el caso alcanza un paso que eliges, un punto real de decisión. Selecciona el paso hito del desplegable. |
| Después de los primeros N pasos | Espera a que un caso tenga algo de historial antes de predecir. Configura cuántos pasos esperar (de 1 a 50). |
Una predicción utiliza todo lo conocido hasta el momento de la predicción—los pasos hasta ahora, cuánto tiempo lleva el caso, el tiempo desde el último paso, la hora del día y los atributos del caso. Nunca utiliza el resultado ni nada que ocurra después de ese momento, para que las predicciones sean honestas.
Cuando estés satisfecho, haz clic en Continuar a características.
Paso 4 - Características
La pantalla Características muestra "De qué aprenderá mindzie." Las características son las señales que el modelo considera. ML Studio perfila tu conjunto de datos y preselecciona un conjunto fuerte para ti; puedes agregar o eliminar señales, pero rara vez es necesario.
En la parte superior, un resumen muestra cuántas características candidatas están seleccionadas, cuántas fueron sugeridas para este conjunto de datos, cuántas provienen de tus enriquecimientos existentes y confirma que AutoML selecciona automáticamente el subconjunto final.
Las características están agrupadas para que puedas ver de dónde proviene cada señal:
- Sugeridas para este conjunto de datos - señales que ML Studio detectó como buena opción para tus datos, cada una con una breve razón. Ejemplos:
- Tiempo gastado en cada paso - duración por paso, la señal más fuerte en casi todos los procesos.
- Transferencias de recursos - cuán a menudo un caso cambia de manos; las transferencias frecuentes suelen ir acompañadas de un mal resultado.
- Retrabajos y ciclos - pasos repetidos y ciclos, que frecuentemente preceden un mal resultado.
- Bandas inteligentes para atributos numéricos - agrupar un número en bandas, lo que a menudo funciona mejor que el valor bruto.
- Tus enriquecimientos - las columnas de enriquecimiento ya en este conjunto de datos, incluidas por defecto. Desactiva las que no quieres que se consideren.
- Diseñadas a partir de tu proceso - señales que ML Studio crea automáticamente a partir de tu registro de eventos, como patrones de actividad, flujo y retrabajo, tiempos y transferencias de recursos. Están activas por defecto. Los atributos sin procesar del caso también están disponibles, pero desactivados por defecto porque las señales diseñadas suelen predecir mejor.
No tienes que podar. Añade cualquier cosa que pueda ayudar y deja lo demás al modelo. El paso de entrenamiento clasifica cada señal, conserva sólo el subconjunto que predice genuinamente y te muestra lo que descartó y por qué, incluyendo una salvaguarda que elimina cualquier señal que ya dé la respuesta.
Haz clic en Continuar al entrenamiento para iniciar la búsqueda del modelo, cubierto en Entrenamiento y resultados.