Exemple d'appel Machine Learning

Exemple appelant des prédictions churn calculées par Machine Learning que vous pouvez utiliser dans vos propres règles.

Pour commencer, nous vous recommandons d'importer l'exemple'CHURN'fourni par Machine Learning dans le projet miniloandemo dans Rule Designer. Pour plus d'informations sur l'importation d'un (modèle), voir Intégration de l'apprentissage automatique .

Une fois que vous avez importé le modèle CHURN dans Rule Designer, vous pouvez voir deux exemples de règles. Le premier montre comment envoyer un appel à Machine Learning :

then
set the EDUCATION of 'the churnScoring' to 1;
set the AGE of 'the churnScoring' to 30;
set the SEX of 'the churnScoring' to "M";
set the NEGTWEETS of 'the churnScoring' to 8;
set the INCOME of 'the churnScoring' to 30000;
set the ACTIVITY of 'the churnScoring' to 1;
set the STATE of 'the churnScoring' to "CA";
set the deployment ID of 'the churnScoring' to 'the deploymentID in variable set
ChurnScoringModel';
make it true that 'the churnScoring' is permitted to use defaults ;
execute 'the churnScoring' ;
print "ML return code="+the return code of 'the churnScoring';
print "prediction=" + the prediction of 'the churnScoring';

Dans ce qui précède, vous noterez que :

Nous avons changé les valeurs par défaut pour des valeurs valides pour CHURN. Par exemple :
```
a SEX of "M"
a STATE of "CA"
```
Nous avons également affirmé (make it true that...) que les valeurs par défaut peuvent être utilisées. Comme vu précédemment, si nous mettons ce drapeau à true, lorsque Machine Learning n'est pas accessible à l'exécution, des valeurs par défaut sont utilisées. Elles sont obtenues de la classe par défaut (qui a été générée dans votre XOM Machine Learning).

Vous pouvez également modifier les deux dernières lignes afin que la décision de Machine Learning soit retournée via les messages du prêt, ce qui signifie que l'exemple ODM de programme COBOL imprimera ces lignes lorsque vous appellerez ODM via WOLA.

add "ML return code="+the return code of 'the churnScoring' to the messages of 'the loan' ;
add "prediction=" + the prediction of 'the churnScoring' to the messages of 'the loan' ;

Le deuxième exemple chrun The second churn example rule shows you how to integrate Machine Learning prediction scores into your rules:

if the prediction of 'the churnScoring' is at most 10 then
print "prediction <= 10";
else
print "prediction > 10";

Vous pouvez ensuite déployer le projet de règles sur la console Rule Execution Server de la manière habituelle et le tester en soumettant HBRMINW. Si le fonctionnement est correct, vous verrez deux messages de prêt supplémentaires dans la sortie, témoignant du résultat de l'appel à Machine Learning.