Creación de modelos predictivos

Cuándo utilizar el aprendizaje automático

Si la empresa tiene un gran conjunto de datos de decisiones anteriores, los expertos en datos pueden utilizar estos datos para crear un modelo de aprendizaje automático. A continuación, este modelo puede predecir el resultado de las nuevas decisiones basadas en estos datos. La exactitud de la predicción puede varia en función del tamaño y del rango del conjunto de datos.

En el momento o después de diseñar e implementar un modelo de decisión, puede enriquecerlo combinando reglas que describen decisiones con el aprendizaje automático que realizan predicciones.

Cómo utilizar el aprendizaje automático en un modelo de decisión

Los científicos de datos despliegan modelos de aprendizaje automático en una plataforma de aprendizaje automático, como Watson Machine Learning. A continuación, debe configurar el acceso desde un servicio de decisión a los proveedores de aprendizaje automático que contienen los despliegues de modelos. Estos proveedores pasan a estar disponibles en Decision Designer y puede importar despliegues o modelos serializados de estos proveedores a los servicios de decisiones.

De forma alternativa, los científicos de datos también pueden proporcionarle modelos de aprendizaje automático transparentes que se pueden importar a Decision Designer sin ninguna configuración anterior de la plataforma.

Cuando se importa un modelo de aprendizaje automático, se genera una plantilla de modelo predictivo que contiene todos los elementos para invocar el modelo de aprendizaje automático. Complete esta plantilla para que el modelo predictivo pueda consumir su modelo de aprendizaje automático.

Finalmente, encapsule el modelo predictivo en un nodo de decisión en el modelo de decisión. Cuando se ejecuta el modelo de decisión, el modelo de aprendizaje automático calcula una predicción basada en las entradas del nodo de decisión que la contiene.

Por ejemplo, consideremos un modelo de decisión que determina si se aprueba la solicitud de préstamo de un cliente. Dispone de un modelo de aprendizaje automático que predice la probabilidad de que el cliente reembolse el préstamo, basándose en una base de datos de préstamos anteriores. Para utilizar esta predicción en su modelo de decisión, primero debe encapsular el modelo de aprendizaje automático en un modelo predictivo. A continuación, puede integrar este modelo predictivo en su lógica de decisión.