Création de modèles prédictifs

Quand utiliser l'apprentissage automatique

Si votre société dispose d'un important jeu de données concernant des décisions antérieures, les spécialistes des données peuvent utiliser ces données pour créer un modèle d'apprentissage automatique. Ce modèle peut ensuite prédire le résultat des nouvelles décisions basées sur ces données. L'exactitude de la prédiction peut varier en fonction de la taille et de la plage du jeu de données.

Pendant ou après la conception et l'implémentation d'un modèle de décision, vous pouvez l'enrichir en combinant des règles qui décrivent des décisions avec des modèles d'apprentissage automatique qui établissent des prédictions.

Comment utiliser l'apprentissage automatique dans un modèle de décision

Les scientifiques des données déploient des modèles d'apprentissage automatique sur une plateforme d'apprentissage automatique, telle que Watson Machine Learning. Ensuite, vous devez configurer l'accès d'un service de décision aux fournisseurs d'apprentissage automatique qui contiennent les déploiements de modèles. Ces fournisseurs deviennent disponibles dans Decision Designer et vous pouvez importer des déploiements ou des modèles sérialisés de ces fournisseurs vers vos services de décision.

Les spécialistes des données peuvent également vous fournir des modèles d'apprentissage automatique transparents qui peuvent être importés dans Decision Designer sans aucune configuration préalable de la plateforme.

Lorsque vous importez un modèle d'apprentissage automatique, il génère un modèle prédictif qui contient tous les éléments permettant d'invoquer le modèle d'apprentissage automatique. Vous remplissez ce modèle pour que le modèle prédictif puisse consommer votre modèle d'apprentissage automatique.

Enfin, vous encapsulez le modèle prédictif dans un noeud de décision dans votre modèle de décision. Lorsque le modèle de décision est exécuté, le modèle d'apprentissage automatique calcule une prédiction en fonction des entrées du noeud de décision qui la contient.

Prenons l'exemple d'un modèle de décision qui détermine s'il convient d'approuver la demande de prêt d'un client. Vous disposez d'un modèle d'apprentissage automatique qui prédit la probabilité que le client rembourse le prêt, sur la base d'une base de données de prêts antérieurs. Pour utiliser cette prédiction dans votre modèle de décision, vous devez d'abord encapsuler le modèle d'apprentissage automatique dans un modèle prédictif. Vous pouvez ensuite intégrer ce modèle prédictif dans votre logique de décision.