Construire une Prédiction

Après avoir choisi un type de prédiction, ML Studio vous guide à travers trois étapes courtes qui définissent exactement ce qu'il faut prédire, quand le prédire, et sur quoi apprendre. Cette page couvre les étapes 2, 3, et 4 du processus.

Étape 2 - Choisir la cible

L'écran Choisir la cible pose la question « Que doit prédire mindzie ? » Vous sélectionnez la colonne dont vous voulez que le modèle apprenne la valeur.

Écran Choisir la cible montrant les colonnes candidates sous forme de cartes

Chaque colonne candidate est présentée sous forme de carte avec son nom, un aperçu de son contenu, et un badge :

  • Pour la Classification, le badge indique le nombre de valeurs distinctes de la colonne (par exemple 5 valeurs), avec quelques exemples tels que Home, Rehab, SNF, Home Health, Expired.
  • Pour le Binaire, seules les colonnes comportant exactement deux valeurs sont proposées.
  • Pour la Régression, le badge affiche nombre, et seules les colonnes numériques sont proposées.

Seules les colonnes correspondant au type de prédiction choisi apparaissent ici, ainsi vous ne pouvez pas choisir par erreur quelque chose qui n’a pas de sens. L’en-tête vous indique de quel jeu de données vous travaillez et combien de colonnes candidates ont été trouvées.

Toutes les autres colonnes deviennent un signal. Vous ne choisissez ici que la cible. Toutes les autres colonnes de votre jeu de données - champs bruts comme colonnes dérivées d’enrichissement - deviennent des signaux candidats que le modèle peut apprendre. Vous les examinez et ajustez à l’étape 4.

Si aucune colonne adaptée n’apparaît, essayez un autre type de prédiction ou ajoutez d’abord une colonne dérivée à votre jeu de données avec un enrichissement.

Étape 3 - Configuration de la prédiction

L'écran Configuration de la prédiction pose la question « Quand mindzie prédit-il ? » Un cas est une séquence d’étapes dans le temps, vous choisissez donc le moment où un cas en cours reçoit sa prédiction. ML Studio apprend ensuite de vos cas historiques à ce même moment.

Écran configuration de la prédiction avec les trois choix de moment de prédiction

Choisissez un moment de prédiction :

Choix Ce que cela fait
En continu, à chaque étape (recommandé) Chaque cas ouvert reçoit une nouvelle prédiction à chaque nouvelle étape enregistrée, affinant la prédiction au fur et à mesure du déroulement du cas.
À une étape clé Une prédiction faite lorsque le cas atteint une étape que vous choisissez - un véritable point de décision. Sélectionnez l’étape clé dans la liste déroulante.
Après les N premières étapes Attendre que le cas ait un peu d’historique avant de prédire. Définissez combien d’étapes attendre (de 1 à 50).

Une prédiction utilise toutes les informations connues jusqu’au moment de la prédiction - les étapes réalisées, la durée écoulée depuis le début du cas, le temps depuis la dernière étape, l’heure de la journée, et les attributs du cas. Elle n’utilise jamais le résultat ni rien ne survenant après ce moment, ce qui garantit l’honnêteté des prédictions.

Lorsque vous êtes satisfait, cliquez sur Continuer vers les caractéristiques.

Étape 4 - Caractéristiques

L'écran Caractéristiques montre « Ce dont mindzie apprendra ». Les caractéristiques sont les signaux que le modèle considère. ML Studio analyse votre jeu de données et pré-sélectionne un ensemble solide pour vous ; vous pouvez ajouter ou retirer des signaux, mais ce n’est rarement nécessaire.

Écran Caractéristiques montrant les groupes de caractéristiques suggérés, existants et construits

En haut, un résumé indique combien de caractéristiques candidates sont sélectionnées, combien ont été suggérées pour ce jeu de données, combien proviennent de vos enrichissements existants, et confirme que AutoML sélectionne automatiquement le sous-ensemble final.

Les caractéristiques sont regroupées pour que vous puissiez voir d’où vient chaque signal :

  • Suggérés pour ce jeu de données - signaux que ML Studio a repérés comme adaptés à vos données, chacun avec une raison courte. Exemples :
    • Temps passé dans chaque étape - durées par étape, le signal le plus fort dans presque tous les processus.
    • Changements de ressources - à quelle fréquence un cas change de main ; des transferts fréquents sont souvent associés à un mauvais résultat.
    • Retouches & boucles - étapes répétées et boucles, qui précèdent fréquemment un mauvais résultat.
    • Bandes intelligentes pour attributs numériques - classification d’un nombre brut en intervalles, souvent plus efficace que la valeur brute.
  • Vos enrichissements - les colonnes d’enrichissement déjà présentes dans ce jeu de données, incluses par défaut. Désactivez celles que vous ne voulez pas considérer.
  • Construites à partir de votre processus - signaux que ML Studio crée automatiquement à partir de votre journal d’événements, tels que les motifs d’activité, les flux et retouches, la temporalité, et les changements de ressources. Ces derniers sont activés par défaut. Les attributs bruts du cas sont aussi disponibles, mais désactivés par défaut car les signaux construits prédisent généralement mieux.

Vous n’avez pas besoin d’élaguer. Ajoutez tout ce qui pourrait aider et laissez le reste au modèle. L’étape d’entraînement classe chaque signal, conserve seulement le sous-ensemble qui prédit réellement, et vous montre ce qui a été supprimé et pourquoi - avec un garde-fou qui retire tout signal donnant la réponse directement.

Cliquez sur Continuer vers l’entraînement pour lancer la recherche du modèle, expliquée dans Entraînement et résultats.