Ferramenta Pontuação
Ferramenta Pontuação
Fluxo de trabalho de exemplo
A ferramenta Junção tem um fluxo de trabalho de exemplo. Visite Exemplos de fluxos de trabalho para saber como acessar esse e muitos outros exemplos diretamente do Alteryx Designer.
A ferramenta Pontuação cria uma estimativa para um alvo aplicando um modelo R a um conjunto de preditores. If the target variable is categorical, it provides probabilities that a record (based on the predictor variable) belongs to each category. Se a variável alvo for contínua, ela faz uma estimativa do valor da variável alvo. A ferramenta Pontuação pode ser usada para avaliar o desempenho de modelos, mas ela não faz isso sozinha.
Essa ferramenta utiliza a ferramenta R. Vá para Opções Baixar ferramentas preditivas e faça login no portal de Downloads e Licenças da Alteryx para instalar o R e os pacotes usados pela ferramenta R. Visite Baixar e utilizar ferramentas preditivas.
Tipo de modelo
The Score tool can evaluate models from a number of locations:
Local Model: The model is pulled into the workflow from a local machine or is accessed within a database.
Promote Model: The model is stored in the Promote model management system.
Configure for Local Model
The Score tool can be configured for models accessed by a standard workflow or for models accessed using the In-DB suite.
Configurar a ferramenta para processamento padrão
Conectar entradas
A ferramenta Pontuação requer duas conexões de entrada.
A âncora de entrada M aceita um objeto de modelo produzido em uma ferramenta preditiva baseada em R.
A data stream that contains the predictor fields selected in the model configuration. This can be a standard Alteryx data stream or an XDF metadata stream.
Connect these inputs to the Score tool input to begin configuration.
Supported Models
The Score tool can use a data stream from a predictive model, even if it was estimated using a RevoScaleR function. A ferramenta Pontuação só pode usar um fluxo de metadados XDF se a entrada para a ferramenta de modelagem foi feita a partir de uma ferramenta Saída XDF ou Entrada XDF e o modelo foi estimado usando uma função RevoScaleR.
Models estimated by Oracle R Enterprise using an In-DB predictive tool connected to an Oracle data source cannot be used to score a standard Alteryx data stream, although models estimated with a standard Alteryx data stream can be used to score Oracle data sources.
Configuração
The adjustments made through this option are only valid if the target is a binary categorical variable.
The new field name (continuous target) or prefix (categorical target): The field name or prefix must start with a letter and may contain letters, numbers, and the special characters period (".") and underscore ("_"). O R diferencia maiúsculas de minúsculas.
The target field has an oversampled value: These fields are used to adjust the fitted probabilities to match the true sample percentages. Select to provide:
The value of the target field that was oversampled: The name of the oversampled field.
The percentage of the oversampled value in the original data prior to oversampling: The percentage of values that were repeated during oversampling.
Opções de somente regressão linear não regularizada
ORE-created models
Se estiver usando um modelo criado no ORE, a tabela de estimativa original precisa estar na base de dados para calcular os intervalos de confiança.
The target field has been natural log transformed: Select to apply a transformation that fits the values back to the original scale and to use a Smearing estimator to account for the subsequent transformation bias.
Include a prediction confidence interval: Select to specify the value used to calculate confidence intervals.
Opções específicas de entrada XDF
Append scores to the input XDF file: Select to append scores to the input XDF file instead of placing them into an Alteryx data stream.
The number of records to score at a time: Select the number of records in a group. Input data is scored one group at a time to avoid the in-memory processing limitation of R.
Configurar a ferramenta para processamento no banco de dados
The Score tool supports Oracle, Microsoft SQL Server 2016, and Teradata in-database processing. Consulte Visão geral do processamento em banco de dados para obter mais informações sobre suporte e ferramentas de banco de dados.
Para acessar a versão na BD da ferramenta de modelo impulsionado:
Arraste uma ferramenta da categoria No Banco de Dados para a tela. The Score tool automatically changes to the In-DB version.
Clique com o botão direito do mouse na ferramenta de modelo impulsionado, aponte para Escolher a versão da ferramentae selecione Modelo impulsionado na BD.
Consulte Análise preditiva para obter mais informações sobre suporte à análise preditiva no banco de dados.
Conectar uma entrada
A ferramenta Pontuação requer duas conexões de entrada.
A âncora de entrada M aceita um objeto de modelo produzido em uma ferramenta preditiva baseada em R.
A data stream that contains the predictor fields selected in the model configuration. This can be a standard Alteryx data stream or an XDF metadata stream.
Connect these inputs to the Score tool input to begin configuration.
Supported Models
The Score tool can use a data stream from a predictive model, even if it was estimated using a RevoScaleR function. A ferramenta Pontuação só pode usar um fluxo de metadados XDF se a entrada para a ferramenta de modelagem foi feita a partir de uma ferramenta Saída XDF ou Entrada XDF e o modelo foi estimado usando uma função RevoScaleR.
Models estimated by ORE using an In-DB predictive tool connected to an Oracle data source cannot be used to score a standard Alteryx data stream, although models estimated with a standard Alteryx data stream can be used to score Oracle data sources.
Configuração
Nenhum outro caractere especial é permitido, e a ferramenta R diferencia maiúsculas de minúsculas.
Output table name: Type the name of the table that the results are saved to in the database.
The new field name (continuous target) or prefix (categorical target): The field name or prefix must start with a letter and may contain letters, numbers, and the special characters period (".") and underscore ("_").
The target field has an oversampled value: These fields are used to adjust the fitted probabilities to match the true sample percentages. The adjustments made through this option are only valid if the target is a binary categorical variable. Select to provide:
The value of the target field that was oversampled: The name of the oversampled field.
The percentage of the oversampled value in the original data prior to oversampling: The percentage of values that were repeated during oversampling.
Somente opções de regressão linear
ORE-created models
Se estiver usando um modelo criado no ORE, a tabela de estimativa original precisa estar na base de dados para calcular os intervalos de confiança.
The target field has been natural log transformed: Select to apply a transformation that fits the values back to the original scale and to use a Smearing estimator to account for the subsequent transformation bias.
Include a prediction confidence interval: Select to specify the value used to calculate confidence intervals.
Teradata-specific configuration: Microsoft Machine Learning Server needs additional configuration information about the specific Teradata platform to be used. This information is typically provided by a local Teradata administrator.
The Teradata server paths to R's binary executables.
The temporary file write location that is used by Microsoft Machine Learning Server.
Origem do modelo (somente para Oracle)
Model Source: Select the source of the model object that is passed into the (M) input of the Score tool. This can be either:
In the database, identified by the value in the "Name" field of the data stream.
Contained in the "Object" field of the data stream.
Visualizar a saída
The output includes the original data streams with the predicted values of the model. In the case of a model that uses a categorical target, a predicted probability for each level of the target variable is provided in a field name comprised of the user-provided prefix and the suffix of the field that corresponds to the possible level of the target variable.
Configure for Promote Model
Promote is a platform for deploying, managing, and scaling predictive models. Alteryx can connect to the Promote platform to access stored models and score against them.
Promote Credentials
Establish an Alteryx Promote Connection.
Conexão do Alteryx Promote: uma lista suspensa usada para selecionar a partir das conexões do Promote.
Adicionar conexão: uma opção para adicionar à lista de conexões disponíveis do Promote. O gerenciador de conexão do Promote opera independentemente dos fluxos de trabalho.
Adicionar uma conexão do Promote
Clique em Adicionar conexão.
Na janela "Adicionar conexão", insira um URL do Alteryx Promote, um URL que aponta para o local onde seu modelo está armazenado.
Clique em Próximo.
Na janela Credenciais do Alteryx Promote, digite seu nome de usuário e a chave de API.
Clique em Conectar.
Caso consiga, selecione Concluir na janela Conexão estabelecida. A nova conexão é selecionada e visível na lista suspensa.
Excluir uma conexão do Promote
Selecione uma conexão disponível.
Clique em Remover conexão.
Na janela de confirmação, verifique se o URL e o nome de usuário estão associados à conexão que você deseja remover.
Clique em OK. A conexão não está mais disponível na lista suspensa.
Acesso ao Promote
Se você não tiver certeza de que tem acesso ao Promote ou se necessita de assistência para encontrar as credenciais necessárias, entre em contato com seu administrador local ou seu representante de atendimento ao cliente.
Seleção do modelo
A list of the models you have access to is generated. Scroll through the list or use the search function to find the model you want to score and select the model path.
Once a model path is selected, information regarding the model populates.
Nome: o nome da coluna.
Owner: The model owner.
Status: The current state of the model, reflecting its accessibility.
Online: Model is up-to-date and ready to process data.
Building: Model is currently being updated and cannot process data.
Failed Unit Test: Model finished building, but components failed to build correctly. The model cannot process data.
Failed: Model failed to build correctly and cannot process data.
Offline: Model has not been built and cannot process data.
Last Updated: The timestamp of the last model build.
Verify that the model is available for data processing and select Done.
Resumo da configuração
The Configuration Summary provides a summary of the Credentials used and the Model Summary of the selected model.