Bir Tahmin Oluşturma

Bir tahmin türü seçtikten sonra, ML Studio size tam olarak neyin tahmin edileceğini, ne zaman tahmin yapılacağını ve neyin öğrenileceğini tanımlayan üç kısa adımda yol gösterir. Bu sayfa akışın 2, 3 ve 4. adımlarını kapsar.

Adım 2 - Hedefi seçin

Hedefi seçin ekranı "mindzie neyi tahmin etmeli?" diye sorar. Modelin öğrenmesini istediğiniz değeri içeren sütunu seçersiniz.

Aday sütunları kartlar olarak gösteren hedefi seç ekranı

Her aday sütun, adı, içeriğine dair bir ipucu ve bir rozet ile bir kart olarak gösterilir:

  • Sınıflandırma için, rozet sütunun kaç farklı değere sahip olduğunu gösterir (örneğin 5 değer), yanında Home, Rehab, SNF, Home Health, Expired gibi birkaç örnek yer alır.
  • İkili (Binary) için yalnızca tam olarak iki değere sahip sütunlar sunulur.
  • Regresyon için rozet sayı olarak okunur ve yalnızca sayısal sütunlar sunulur.

Yalnızca seçtiğiniz tahmin türüne uyan sütunlar burada görünür; böylece yanlışlıkla anlamsız bir şey seçemezsiniz. Başlık, hangi veri kümesi üzerinde çalıştığınızı ve kaç aday sütun bulunduğunu belirtir.

Diğer her sütun bir sinyal olur. Burada sadece hedef seçersiniz. Veri kümenizdeki diğer tüm sütunlar - ham alanlar ve zenginleştirme türetilen sütunlar dahil - modelin öğrenebileceği aday sinyaller olur. Bunları 4. adımda gözden geçirip ayarlarsınız.

Uygun sütun görünmüyorsa, farklı bir tahmin türü deneyin veya önce veri kümenize bir zenginleştirme ile türetilmiş sütun ekleyin.

Adım 3 - Tahmin kurulumu

Tahmin kurulumu ekranı "mindzie ne zaman tahmin yapar?" diye sorar. Bir vaka, zaman içinde bir dizi adımdan oluşur, dolayısıyla açık bir vakanın tahmin aldığı anı seçersiniz. ML Studio, geçmiş vakalarınızdan tam da o anda öğrenir.

Üç tahmin anı seçeneğiyle tahmin kurulumu ekranı

Bir tahmin anı seçin:

Seçenek Ne yapar
Her adım gerçekleştiğinde sürekli olarak (önerilir) Her açık vaka, yeni bir adım kaydedildiğinde taze bir tahmin alır, vaka ilerledikçe tahmin keskinleşir.
Bir dönüm noktasında Vaka sizin seçtiğiniz bir adıma ulaştığında bir tahmin yapılır - gerçek bir karar noktası. Dönüm noktası adımını açılır menüden seçin.
İlk N adımdan sonra Tahmin yapmadan önce vakanın biraz geçmişi olmasını bekleyin. Beklenecek adım sayısını (1 ila 50) ayarlayın.

Bir tahmin, tahmin anına kadar bilinen her şeyi kullanır - şimdiye kadar gerçekleşen adımlar, vakanın çalışma süresi, son adımdan geçen süre, günün zamanı ve vaka özellikleri. Tahmin çıktısını ya da o andan sonra gerçekleşen herhangi şeyi asla kullanmaz, böylece tahminlerin doğruluğu korunur.

Memnun kaldığınızda, Özelliklere devam et butonuna tıklayın.

Adım 4 - Özellikler

Özellikler ekranı "mindzie'nin ne öğreneceğini" gösterir. Özellikler modelin değerlendirdiği sinyallerdir. ML Studio veri kümenizi inceler ve sizin için güçlü bir seti önceden seçer; sinyaller ekleyip çıkarabilirsiniz, ama genellikle buna gerek olmaz.

Önerilen, mevcut ve türetilmiş özellik gruplarını gösteren özellikler ekranı

Üst kısımda, seçilen aday özellik sayısı, bu veri kümesi için önerilen sayısı, mevcut zenginleştirmelerinizden gelenlerin sayısı ve AutoML'nin son alt kümesi otomatik seçtiği onayı özetlenir.

Özellikler, her sinyalin nereden geldiğini görebilmeniz için gruplandırılmıştır:

  • Bu veri kümesi için önerilenler - ML Studio’nun verinize uygun gördüğü sinyaller, her biri kısa bir neden açıklamasıyla. Örnekler:
    • Her adımda geçirilen süre - adım başına süreler, neredeyse her süreçte en güçlü sinyal.
    • Kaynak devri - bir vakanın eller arasında ne sıklıkla transfer olduğu; sık el değiştirmeler kötü sonucu sıkça beraberinde getirir.
    • Yeniden çalışma ve döngüler - tekrarlanan adımlar ve döngüler, genellikle kötü sonuçlardan önce gelir.
    • Sayısal nitelikler için akıllı bantlar - ham sayıyı bantlara ayırmak, genellikle ham değerden daha iyi sonuç verir.
  • Zenginleştirmeleriniz - bu veri kümesinde zaten bulunan zenginleştirme sütunları, varsayılan olarak dahil edilir. Düşünülmesini istemediğiniz herhangi birini kapatabilirsiniz.
  • Sürecinizden türetilenler - ML Studio’nun etkinlik desenleri, akış ve yeniden çalışma, zamanlama ve kaynak devri gibi otomatik olarak oluşturduğu sinyaller. Bunlar varsayılan açık durumdadır. Ham vaka özellikleri de mevcuttur, ama varsayılan kapalıdır çünkü türetilmiş sinyaller genellikle daha iyi tahmin yapar.

Budamanıza gerek yok. Yardımcı olabileceğini düşündüğünüz her şeyi ekleyin, gerisini modele bırakın. Eğitim adımı her sinyali derecelendirir, gerçekten tahmin yapan alt kümeyi tutar ve hangi sinyali neden çıkardığını size gösterir - ayrıca cevabı önceden veren herhangi bir sinyali kaldıran bir güvenlik katmanı içerir.

Model aramasını başlatmak için Eğitime devam et butonuna tıklayın; eğitim ve sonuçları Eğitim ve sonuçlar bölümünde ele alınmıştır.