breadcrumbDescription
Rediger generelle indstillinger for en model
Du kan redigere generelle indstillinger for en model. Få vist CRM Analytics-datasættet, og vælg algoritme og valideringstype.
EditionsHeading
Bemærk Einstein Discovery-historier er nu modeller. Vi ønsker, at vi kan tage vores finger på at opdatere navnet overalt, men du kan forvente at se det forrige navn nogle få steder, indtil vi erstatter det.
| Tilgængelig i Salesforce Classic og Lightning Experience. |
| Tilgængelig med CRM Analytics, som er tilgængelig for en merpris i Enterprise, Performance og Unlimited Edition. Også tilgængelig i Developer Edition. |
| Brugertilladelser påkrævet | |
|---|---|
| Hvis du vil opdatere modelindstillinger: | Opret og opdater Einstein Discovery-modeller |
Sådan redigeres generelle indstillinger for en model:
- Åbn modellen.
- Klik på Settings (Indstillinger).
-
Konfigurer følgende indstillinger i panelet Generelle indstillinger.
Indstilling Beskrivelse Datasæt CRM Analytics-datasæt, der er tilknyttet modellen. Validering Vælg en valideringstype for din model. Vælg én af følgende indstillinger:
- Trænings-/valideringsforhold for at opdele observationerne vilkårligt i CRM Analytics-datasættet i et træningssæt og et valideringssæt. Standarden er 80 % træning og 20 % validering, men du kan justere skyderen for at ændre forholdet efter behov.
- Valideringsdatasæt for at angive et separat CRM Analytics-datasæt, der indeholder valideringsdataene. Du ser kun de datasæt, der matcher skemaet for din models datasæt. Ideelt bør du vælge et datasæt, der indeholder forskellige sæt af observationer, der afspejler forholdene i den virkelige verden. Hvis du ønsker at sammenligne modeller for nøjagtighed, vil valg af det samme valideringsdatasæt give dig en fælles, basislinje uden bias til evaluering.
- Ingen (standarden) bruger kun K-fold-validering.
Algoritme Du kan vælge mellem forskellige algoritmer, som Einstein Discovery skal bruge til at oprette modellen:
- GLM: Standard. Generaliseret lineær model er en regressionsbaseret algoritme.
- GBM: Gradient Boost Machine er en beslutningstræbaseret grupperet maskinlæringsalgoritme.
- XGBoost: En beslutningstræbaseret grupperet maskinlæringsalgoritme.
- Random Forest: En superviseret læringsalgoritme, der bruger flere beslutningstræer, randomisering og andre optimeringsteknikker.
Alternativt kan du vælge Modelturnering for at få Einstein Discovery til at køre alle tre algoritmer og derefter få vist resultaterne af den algoritme, der klarede sig bedst.
Ændringer træder i kraft, når du har oprettet modellen eller en modelversion.
Løste denne artikel dit problem?
Giv os besked, så vi kan forbedre os!
