Automatizzare la modellazione per un target di bandiera

Il progetto campione contiene diversi set di dati e flussi di modellazione di esempio. Se non si dispone già del progetto di esempio, consultare l'argomento Tutorial per creare il progetto di esempio. Seguite quindi i passaggi seguenti per aprire il progetto campione:

1. In Cloud Pak for Data, dal menu di navigazione , scegliere Progetti > Visualizza tutti i progetti.
2. Fare clic su ProgettoSPSS Modeler.
3. Fare clic sulla scheda Assets per visualizzare i set di dati e i flussi del modellatore.

Controllare i propri progressi

L'immagine seguente mostra la scheda Assets del progetto. Ora si è pronti a lavorare con il flusso del modellatore di esempio associato a questa esercitazione.

torna all'inizio

La modellazione automatizzata per un obiettivo di bandiera comprende diversi nodi. Per esaminare il nodo Asset di dati, procedere come segue.

1. Dalla scheda Risorse, aprire il flusso di modellazione automatica per un target di bandiera e attendere il caricamento dell'area di disegno.
2. Fare doppio clic sul nodo pm_customer_train1.csv Questo nodo è una risorsa dati che punta al file pm_customer_train1.csv del progetto.
3. Esaminare il 'Proprietà del formato del file.
4. Facoltativo: Fare clic su Anteprima dati per visualizzare l'intero set di dati.

   Il numero maggiore di record rientra nella campagna Conto Premium. I valori del campo " campaign sono codificati come numeri interi nei dati (ad esempio " 2 = Premium account). In seguito, si definiscono le etichette per questi valori, che possono essere utilizzate per fornire un output più significativo.

   Il file include anche un campo " response che indica se l'offerta è stata accettata (0 = no e " 1 = yes). Il campo 'response è il campo di destinazione, o valore, che si vuole prevedere. Sono inclusi anche vari campi contenenti informazioni demografiche e finanziarie su ciascun cliente. Questi campi vengono utilizzati per costruire o addestrare un modello che preveda i tassi di risposta per gli individui o i gruppi in base a caratteristiche come il reddito, l'età o il numero di transazioni al mese.

Controllare i propri progressi

L'immagine seguente mostra il nodo Data Asset. Ora si è pronti a modificare il nodo Tipo.

torna all'inizio

Dopo aver esplorato la risorsa dati, seguire i passaggi seguenti per visualizzare e modificare le proprietà del nodo Tipo:

1. Fare doppio clic sul nodo Tipo. Questo nodo specifica le proprietà dei campi, come il livello di misurazione (il tipo di dati che il campo contiene) e il ruolo di ciascun campo come target o input nella modellazione. Il livello di misurazione è una categoria che indica il tipo di dati all'interno del campo. Il file di dati di origine utilizza tre diversi livelli di misurazione:
   • Un campo continuo (come il campo " Age ) contiene valori numerici continui.
   • Un campo nominale (come il campo " Education ) ha due o più valori distinti; in questo caso. College o 'High school.
   • Un campo ordinale (come il campo " Income level ) descrive dati con più valori distinti che hanno un ordine intrinseco; in questo caso, " Low, " Medium e " High.
2. Verificare che il campo di risposta # sia il campo target (Ruolo = Target) e che la misura per questo campo sia Flag.

   

3. Verificare che il ruolo sia impostato su Nessuno per i seguenti campi. Questi campi vengono ignorati durante la costruzione del modello.
   • iD cliente
   • campagna
   • data_risposta
   • acquisto
   • data_acquisto
   • ID_Prodotto
   • ROWID
   • X_random
4. Fare clic su Leggi valori nel nodo Tipo per assicurarsi che i valori siano istanziati.

   Come si è visto in precedenza, i dati di origine includono informazioni su quattro diverse campagne, ciascuna mirata a un diverso tipo di cliente. Queste campagne sono codificate come numeri interi nei dati, quindi per ricordare quale tipo di conto rappresenta ciascun numero intero, è necessario definire delle etichette per ciascuno di essi.

   

5. Nella riga # campagna e nella colonna Modalità valore, selezionare Specifica dall'elenco.
6. Fare clic sull'icona Modifica nella riga del campo # campagna.
   1. Verificare le etichette come indicato per ciascuno dei quattro valori.

      

   2. Fare clic su OK. Ora le etichette vengono visualizzate nelle finestre di output al posto degli interi.
7. Fare clic su Salva.
8. Facoltativo: Fare clic su Anteprima dati per vedere il set di dati con le proprietà del tipo applicate.

Controllare i propri progressi

L'immagine seguente mostra il nodo Tipo. Ora si è pronti a selezionare una campagna da analizzare.

torna all'inizio

Sebbene i dati includano informazioni su quattro diverse campagne, l'analisi si concentra su una campagna alla volta. Procedere come segue per visualizzare il nodo Seleziona per analizzare solo la campagna dell'account Premium:

1. Fare doppio clic sul nodo Select per visualizzarne le proprietà.
2. Si noti la condizione. Poiché il maggior numero di record rientra nella campagna dell'account Premium (codificato con " campaign=2 nei dati), il nodo Select seleziona solo questi record.
3. Facoltativo: Fare clic su Anteprima dati per vedere il set di dati con le proprietà di selezione applicate.

Controllare i propri progressi

L'immagine seguente mostra il nodo Select. Ora si è pronti a costruire il modello.

torna all'inizio

Dopo aver selezionato una singola campagna da analizzare, seguire i seguenti passaggi per costruire il modello che utilizza il nodo Classificatore automatico:

1. Fare doppio clic sul nodo Response (Auto Classifier) per visualizzarne le proprietà.
2. Espandere la sezione Opzioni di costruzione.
3. Nel campo Classifica modelli per, selezionare Accuratezza complessiva come metrica utilizzata per classificare i modelli.
4. Impostare il Numero di modelli da utilizzare su '3. Questa opzione significa che i tre modelli migliori vengono costruiti quando si esegue il nodo.

   

5. Espandere la sezione Esperto per vedere i diversi algoritmi di modellazione.
6. Deselezionare i tipi di modello Discriminante, SVM e Foresta casuale. L'addestramento di questi modelli su questi dati richiede più tempo, quindi la loro eliminazione velocizza l'esempio.

   Avendo impostato la proprietà Numero di modelli da utilizzare su '3 in Opzioni di costruzione, il nodo calcola l'accuratezza degli algoritmi rimanenti e genera un singolo nugget di modello contenente i tre più accurati.

   

7. Nelle opzioni dell'ensemble, selezionare il voto ponderato in base alla fiducia come metodo di ensemble sia per gli obiettivi impostati che per gli obiettivi segnalati. Questa impostazione determina il modo in cui viene prodotto un singolo punteggio aggregato per ogni record.

   Con il voto semplice, se due modelli su tre prevedono il sì, allora il sì vince con un voto di 2 a 1. Nel caso del voto ponderato sulla fiducia, i voti sono ponderati in base al valore di fiducia di ciascuna previsione. Pertanto, se un modello prevede no con una confidenza superiore rispetto alle due previsioni combinate di sì prevale il no.

   

8. Fare clic su Salva.
9. Passare il mouse sul nodo Response (Auto Classifier) e fare clic sull'icona Run .
10. Nel riquadro Output e modelli, fare clic sul modello con il nome risposta per visualizzare i risultati. Vengono visualizzati i dettagli relativi a ciascuno dei modelli creati durante l'esecuzione. (In una situazione reale, in cui potrebbero essere creati centinaia di modelli su un grande insieme di dati, l'esecuzione del flusso potrebbe richiedere molte ore)
11. Fare clic sul nome di un modello per esplorare i risultati dei singoli modelli.

    Per impostazione predefinita, i modelli sono ordinati in base all'accuratezza complessiva, perché è stata selezionata questa misura nelle proprietà del nodo Auto Classifier. Il modello XGBoost Tree genera una classificazione ottimale in base a questa misura, ma i modelli C5.0 e C&RT sono ugualmente accurati.

    In base a questi risultati, si decide di utilizzare tutti e tre questi modelli precisi. Combinando le previsioni di più modelli, si possono evitare le limitazioni dei singoli modelli, ottenendo una maggiore accuratezza complessiva.

12. Nella colonna USE, verificare che tutti e tre i modelli siano stati realizzati, quindi chiudere la finestra del modello.

Controllare i propri progressi

L'immagine seguente mostra la tabella di confronto dei modelli. Ora si è pronti a eseguire l'analisi del modello.

torna all'inizio

Dopo aver esaminato i modelli generati, seguire i seguenti passaggi per eseguire un'analisi dei modelli:

1. Passare il mouse sul nodo Analisi e fare clic sull'icona Esegui .
2. Nel riquadro Output e modelli, fare clic sull'output Analisi per visualizzare i risultati.

   Il punteggio aggregato generato dal modello assemblato viene mostrato in un campo denominato " $XF-response. Se confrontato con i dati di addestramento, il valore previsto corrisponde alla risposta effettiva (registrata nel campo " response originale) con un'accuratezza complessiva del 92.77. Ma non altrettanto preciso come il migliore dei tre singoli modelli in questo caso (92.82% per C5.0), la differenza è talmente piccola per essere significativa. In termini generali, un modello di insieme generalmente si deve eseguire più probabilmente quando applicato a dataset piuttosto che ai dati di addestramento.

Controllare i propri progressi

L'immagine seguente mostra il confronto del modello che utilizza il nodo Analisi.

torna all'inizio