Création d'un modèle prédictif

Utilisez des modèles prédictifs afin de calculer une prédiction que vous pouvez utiliser pour prendre une décision. Vous créez des modèles prédictifs dans des services de décision, pour les utiliser ensuite dans des modèles de décision.

Avant de créer un modèle prédictif, vous devez acquérir des connaissances à propos du modèle d'apprentissage automatique :

Listez les données dont le modèle a besoin pour établir une prédiction. Par exemple, la prédiction peut être basée sur l'âge et le salaire mensuel du client, et sur le montant et la durée du prêt.
Identifiez la forme attendue de la prédiction. Il peut s'agir d'un nombre compris entre 1 et 100, 100 signifie que le client remboursera le prêt et 1 qu'il ne le fera pas.
Vérifiez la plage des valeurs utilisées pour l'entraînement du modèle. Par exemple, si l'âge du client est utilisé pour établir une prédiction, vérifiez la plage des âges utilisés pour l'entraînement du modèle. En vérifiant que les données d'entrée que vous fournissez au modèle prédictif se trouvent dans cette plage, vous augmentez la fiabilité de ses prédictions.

Pour créer un modèle prédictif, vous générez un canevas (template) basé sur un modèle d'apprentissage automatique. Il contient plusieurs noeuds qui sont automatiquement générés pour vous :

Un noeud de données d'entrée, qui représente l'un des types de données d'entrée requis par le modèle d'apprentissage automatique pour établir une prédiction.
Un noeud de décision pour le mappage des données d'entrée. Il contient des règles que vous écrivez pour mapper les types de données d'entrée du modèle d'apprentissage automatique aux types de données de votre modèle de données.
Un noeud de décision, qui contient la règle permettant d'appeler le modèle d'apprentissage automatique.
Un noeud de décision pour le mappage des données de sortie. Il contient des règles que vous écrivez pour mapper le type de données de sortie du modèle d'apprentissage automatique au type de données de votre modèle de données.