您位於此處：
自訂用於集合風險分數預估的訓練和評分資料轉換
自訂 Tableau Next 應用程式的資產,這些資產是為了根據您的業務需求來預估「集合」風險分數。
必要版本
| 提供版本：Lightning Experience |
| 提供版本：檢視產品和版本的可用性。 |
| 所需的使用者權限 | |
|---|---|
| 自訂 Tableau Next 應用程式資產: | Data Cloud 管理員 |
根據您的業務需求自訂訓練資料轉換,然後執行預測 AI 模型。使用訓練度量評估模型的效能,並判斷是否準備啟用。訓練度量提供模型如何有效地瞭解訓練資料中的模式和關係的相關資訊,並指出其預測效果。請反覆執行此操作,直到您達成所需結果為止。根據您對訓練批次資料轉換所做的變更,自訂評分批次資料轉換。執行評分資料轉換,以預估新集合計畫的風險分數。
- 檢視和編輯訓練批次資料轉換,此資料轉換包含在已安裝並設定為合併訓練資料的 Tableau Next 應用程式中。訓練批次資料轉換的名稱格式為 <應用程式名稱> 訓練 BDT。例如,如果您的應用程式名稱為「集合」,則訓練批次資料轉換名稱為「集合訓練 BDT」。
- 執行您稍早自訂的訓練批次資料轉換。
- 檢查批次資料轉換狀態。
- 使用修改後的訓練資料,在 Einstein Studio 中重新訓練模型。
- 評估模型的品質,並使用訓練度量判斷是否準備好啟用。
- 視需要編輯模型。
-
重複步驟 1 到 6,直到達到所需結果為止。
模型品質是預測 AI 解決方案的關鍵成功因素。Einstein Studio 支援針對預測模型持續反覆改善。
- 啟用模型。
- 檢視和編輯評分批次資料轉換,其包含在已安裝並設定為預估風險分數的 Tableau Next 應用程式中。評分批次資料轉換的名稱格式為 <應用程式名稱> 評分 BDT。例如,如果您的應用程式名稱為「集合」,則評分批次資料轉換名稱為「集合評分 BDT」。
- 執行您稍早自訂的評分批次資料轉換。
- 檢查批次資料轉換狀態。
- 若要確保已考慮收集計畫的任何最近更新,且收集計畫可使用最新的風險分數資料,請根據您的業務需求排程評分批次資料轉換。
- 若要確保定期校正訓練資料,請根據您的業務需求,將訓練批次資料轉換排程 為每年執行幾次。
此文章是否解決您的問題？
請讓我們知道，以便我們改進！
