Machine Learning 预测
使用“Machine Learning 预测”工具,可通过 Alteryx Machine Learning 中构建的模型来针对新数据进行预测。
重要
“Machine Learning 预测”工具需要 AMP Engine 才能运行。请注意,从 Designer 22.1 开始,AMP 是所有新工作流的默认引擎。 深入了解 AMP engine。
安装工具
要在 Designer 中安装 Machine Learning 预测工具...
请转至 下载页面 。
转至 Alteryx Intelligence Suite > Alteryx Intelligence Suite(您的 Designer 版本) 。
请注意,您必须安装 Designer 22.3 或更高版本。
下载 Alteryx Machine Learning Designer 集成工具YXI文件。
打开 Designer 并启用“以管理员身份运行”选项。
打开 YXI 文件以开始安装过程。
请注意, Machine Learning 预测工具出现在 Machine Learning 工具调板中。
重要
Integration Tools(集成工具)未包含在 Alteryx Intelligence Suite 的工具包中。
配置工具
连接至 Alteryx Machine Learning (OAuth)
首次设置 Machine Learning 集成工具时,必须将 Alteryx Analytics Cloud (AAC) 工作区添加为数据源…
将 Machine Learning 集成工具添加到您的工作流。
从工具的“配置”窗口中,选择设置连接以打开数据连接管理器 (DCM)。
在数据源页面上,选择新建。
输入描述 AAC 工作区的数据源名称。
输入 AAC 工作区的基 URL。例如,
https://us1.alteryxcloud.com/
。输入 AAC 工作区名称。
选择保存。
从“连接”部分选择连接凭证。
将
OIDC
保留为身份验证方法。从凭证下拉列表中,选择您的授权凭证。
如果您没有授权凭证,请选择创建新凭证。
输入凭证名称。例如,AAC 工作区的名称。
选中允许 SDK 连接复选框。
如果您之前使用过凭证,请选择链接,或者如果您刚刚创建了凭证,请选择创建并链接。
选择连接。Designer 会引导您登录 AAC 工作区。
如果您已经配置了数据源,请按下列步骤操作…
将 Machine Learning 集成工具添加到您的工作流。
从工具的“配置”窗口中,选择设置连接以打开数据连接管理器 (DCM)。
在“数据源”页面上,选择您之前设置的数据源。
选择连接。Designer 会引导您登录 AAC 工作区。
连接至 Alteryx Machine Learning(访问令牌)
重要
在访问令牌页面上创建的 API 令牌已弃用。请在 2024 年 7 月 11 日前将您的 Machine Learning 集成工具迁移为 OAuth 身份验证。
对于以前安装的 Machine Learning 集成工具(23.2 或更早版本),请按照以下步骤操作。请注意,下载门户中现在提供的 Machine Learning 集成工具仅支持上一部分所述的 OAuth 身份验证。
请注意,如果要在 Server 上运行“Machine Learning 预测”工具,请按照 以下附加步骤 操作。如果不运行该工具,则按照以下步骤操作:
首先,如果您还没有访问令牌,则需要创建一个。按照 以下步骤 从 平台主页创建访问令牌。
接下来,在工具配置面板中,输入用于访问 zhang户的 URL 。
选择 登录 。
在连接管理器中添加新的数据源。在您第一次输入 URL 后,应出现连接管理器。
要打开连接管理器,请依次点击 文件 > 管理连接 。
选择 + 添加数据源 。
输入 数据源名称 。
在 技术 下,选择 Trifacta 身份验证 (如果尚未选择)。
选择 保存 。
在“连接”下的新数据源页面中,选择 身份验证方法 下的 访问令牌 。
选中 允许 SDK 连接 框。
在 凭证 下,选择您的授权凭证。
如果您没有授权凭证,请选择 创建新凭证 。
输入 凭证名称 。
输入步骤 1 中的 访问令牌 。
选择 创建并链接 。
选择 链接 。
成功连接到您的账户后,工具将显示“已通过身份验证”消息。
要更改凭证,请选择 更改凭证 。
建模选择
为模型预测准备新数据。
确保从数据集中移除目标变量。
将列名称和数据类型与用于训练模型的数据集相匹配。
在“Machine Learning 预测”工具中,通过选择您的 项目 ,选择要应用于新数据的模型。
项目详情 、 模型详情 和 排名指标 都基于您在 Alteryx Machine Learning 中构建的模型进行填充。
选择 运行 将模型应用于新数据。
Machine Learning 预测工具在输出中创建新的数据列,其中包含预测值。