U bent hier:
Algemene instellingen bewerken voor een model
U kunt algemene instellingen voor een model bewerken. Geef de CRM Analytics-gegevensset weer en selecteer het algoritme en het validatietype.
Vereiste editions
Opmerking Einstein Discovery-story's zijn nu modellen. We zouden de naam graag in één keer overal veranderen, maar u zult de oude naam hier en daar nog zien, totdat we die hebben vervangen.
| Beschikbaar in Salesforce Classic en Lightning Experience. |
| Beschikbaar bij CRM Analytics, wat tegen bijbetaling beschikbaar is in de Enterprise, Performance en Unlimited Edition. Ook beschikbaar in de Developer Edition. |
| Benodigde gebruikersmachtigingen | |
|---|---|
| Als u modelinstellingen wilt bijwerken: | Einstein Discovery-modellen maken en bijwerken |
Als u algemene instellingen wilt bewerken voor een model:
- Open het model.
- Klik op Instellingen.
-
Configureer de volgende instellingen in het deelvenster Algemene instellingen.
Instelling Beschrijving Gegevensset CRM Analytics-gegevensset die is gekoppeld aan het model. Validatie Kies een validatietype voor uw model. Selecteer een van de volgende opties:
- Selecteer Verhouding training/validatie om de observaties in de CRM Analytics-gegevensset willekeurig op te splitsen in een trainingsset en een validatieset. De standaard is 80% training en 20% validatie, maar u kunt de schuifregelaar aanpassen om de verhouding indien nodig te wijzigen.
- Selecteer Validatiegegevensset om een afzonderlijke CRM Analytics-gegevensset op te geven die de validatiegegevens bevat. U ziet alleen de gegevenssets die overeenkomen met het schema van de gegevensset van uw model. Idealiter selecteert u een gegevensset die een diverse set observaties bevat die condities uit de praktijk weerspiegelen. Als u modellen wilt vergelijken op nauwkeurigheid, biedt het selecteren van dezelfde validatiegegevensset u een gemeenschappelijke, niet-vertekende basislijn voor evaluatie.
- Geen (de standaardinstelling) gebruikt alleen k-voudige validatie.
Algoritme U kunt uit verschillende algoritmen kiezen die Einstein Discovery kan gebruiken om het model mee te maken:
- GLM: standaard. Een Gegeneraliseerd Lineair Model is een op regressie gebaseerd algoritme.
- GBM: Gradient Boost Machine is een op een beslissingenstructuur gebaseerd algoritme voor machine learning.
- XGBoost: XGBoost is een op een beslissingenstructuur gebaseerd algoritme voor machine learning.
- Willekeurige forest: een gecontroleerd leeralgoritme dat meerdere beslissingsstructuren, randomisering en andere optimaliseringstechnieken gebruikt.
Selecteer anders Model Tournament (Toernooi) om Einstein Discovery alle vier de algoritmen te laten uitvoeren en vervolgens de resultaten van het algoritme te laten tonen, dat het beste presteert.
Wijzigingen worden van kracht nadat u het model of een modelversie hebt gemaakt.
Heeft dit artikel uw probleem opgelost?
Laat ons weten wat we kunnen doen om te verbeteren!
