Creazione di modelli predittivi

Quando utilizzare il machine learning

Se l'azienda dispone di una vasta serie di dati di decisioni passate, i data scientist possono utilizzare questi dati per creare un modello di machine learning. Questo modello può quindi prevedere il risultato di nuove scelte basate su questi dati. La precisione della previsione può variare in base alla dimensione e all'intervallo del dataset.

Quando o dopo aver progettato e implementato un modello decisionale, è possibile arricchirlo combinando regole che descrivono le decisioni con il machine learning che effettua previsioni.

Come utilizzare il machine learning in un modello decisionale

I data scientist distribuiscono i modelli di apprendimento automatico su una piattaforma di apprendimento automatico, come Watson Machine Learning. Quindi, è necessario configurare l'accesso da un servizio decisionale ai provider di apprendimento automatico che contengono le distribuzioni dei modelli. Questi provider diventano disponibili in Decision Designer ed è possibile importare le distribuzioni o i modelli serializzati da questi provider ai propri servizi di decisione.

In alternativa, i data scientist possono anche fornire modelli di machine learning trasparenti che possono essere importati in Decision Designer senza alcuna configurazione precedente della piattaforma.

Quando si importa un modello di machine learning, viene generato un modello predittivo che contiene tutti gli elementi per richiamare il modello di machine learning. Si completa questo modello in modo che il modello predittivo possa utilizzare il modello di machine learning.

Infine, si incapsula il modello predittivo in un nodo decisionale nel modello decisionale. Quando viene eseguito il modello decisionale, il modello di machine learning calcola una previsione in base agli input del nodo decisionale che lo contiene.

Ad esempio, si consideri un modello decisionale che determina se approvare o meno la richiesta di prestito di un cliente. Avete un modello di apprendimento automatico che prevede la probabilità che il cliente rimborsi il prestito, sulla base di un database di prestiti passati. Per utilizzare questa previsione nel vostro modello decisionale, dovete prima incapsulare il modello di apprendimento automatico in un modello predittivo. Potete quindi integrare questo modello predittivo nella vostra logica decisionale.