Vous êtes ici :
Modification des paramètres généraux d'un modèle
Vous pouvez modifier les paramètres généraux d'un modèle. Affichez le jeu de données CRM Analytics, puis sélectionnez l'algorithme et le type de validation.
Éditions requises
Remarque Les récits Einstein Discovery sont désormais des modèles. Nous aimerions pouvoir mettre à jour le nom partout en un clic, mais vous allez retrouver le nom initial à plusieurs emplacements en attendant qu'il soit remplacé.
| Disponible dans Salesforce Classic et Lightning Experience. |
| Disponible avec CRM Analytics moyennant un coût supplémentaire dans les éditions Enterprise, Performance et Unlimited. Également disponible avec Developer Edition. |
| Autorisations utilisateur requises | |
|---|---|
| Pour mettre à jour les paramètres d'un modèle : | Créer et mettre à jour des modèles Einstein Discovery |
Pour modifier les paramètres généraux d'un modèle :
- Ouvrez le modèle.
- Cliquez sur Paramètres.
-
Dans le panneau Paramètres généraux, configurez les paramètres ci-dessous.
Paramètre Description Jeu de données Jeu de données CRM Analytics associé au modèle. Validation Choisissez un type de validation pour votre modèle. Sélectionnez l'une des options suivantes :
- Ratio entraînement / validation pour répartir de façon aléatoire les observations du jeu de données CRM Analytics entre un ensemble d’entraînement et un ensemble de validation. Le paramètre par défaut est de 80 % d'entraînement et de 20 % de validation, mais vous pouvez ajuster le curseur pour changer le ratio si nécessaire.
- Jeu de données de validation pour spécifier un jeu de données CRM Analytics séparé contenant les données de validation. Vous pouvez afficher uniquement les jeux de données qui correspondent au schéma du jeu de données de votre modèle. Dans la mesure du possible, sélectionnez un jeu de données qui contient divers ensembles d’observations reflétant des conditions réelles. Si vous souhaitez comparer la précision des modèles, sélectionnez le jeu de données de validation qui renvoie une base commune et non biaisée pour l’évaluation.
- Aucun (par défaut) utilise uniquement la validation à k échantillons.
Algorithme Vous choisissez parmi différents algorithmes qu'Einstein Discovery utilise pour créer le modèle :
- MLG : Par défaut. Le modèle linéaire généralisé est un algorithme basé sur la régression.
- GBM : Gradient Boost Machine est un algorithme d'apprentissage machine basé sur l'arbre de décision.
- XGBoost : Un algorithme d'apprentissage machine basé sur l'arbre de décision.
- Forêt aléatoire : Un algorithme d'apprentissage supervisé qui utilise plusieurs arbres de décision, la randomisation et d'autres techniques d'optimisation.
Alternativement, sélectionnez Tournoi de modèles pour instruire Einstein Discovery d'exécuter les quatre algorithmes et d'afficher les résultats de l'algorithme le plus performant.
Les modifications s'appliquent après la création du modèle ou d'une version du modèle.
Cet article a-t-il résolu votre problème ?
Dites-nous ce que nous pouvons améliorer !
