Définition des propriétés du modèle

  1. Sous Stages primaires/Stages déployés/Machine Learning, cliquez sur le stage Random Forest Classification et faites-le glisser jusqu'au canevas, en le plaçant à l'endroit de votre choix dans le flux de données et en le reliant à d'autres stages. Notez que le stage d’entrée doit être la source de données qui contient à la fois les champs de variables d'entrée et d'objectif de votre modèle ; un stage de sortie n’est pas nécessaire, sauf si vous sélectionnez l’option de données d'entrée Score dans l’onglet Options de base. Vous pouvez également connecter un stage de sortie si vous souhaitez capturer votre sortie indépendamment de l'outil Machine Learning Model Management.
  2. Double-cliquez sur le stage Random Forest Classification pour afficher la boîte de dialogue Random Forest Classification Options.
  3. Saisissez un Nom de modèle si vous ne souhaitez pas utiliser le nom par défaut.
  4. Cochez la case Écraser pour remplacer le modèle existant par les nouvelles données.
  5. Cliquez sur le menu déroulant Champ Objectif et sélectionnez un champ numérique.
  6. Cliquez sur Niveaux multinomiaux pour saisir trois catégories existantes ou davantage dans le champ Objectif. Notez que l’activation de ce champ désactive le champ Score de données d'entrée.
  7. Saisissez une Description du modèle.
  8. Cliquez sur Inclure pour chaque champ dont vous souhaitez que les données soient ajoutées au modèle ; veillez à inclure le champ que vous avez sélectionné comme champ Objectif.
  9. Utilisez la liste déroulante Type de données du modèle pour spécifier si chaque champ d’entrée est à utiliser sous forme numérique, catégorique ou de type date/heure.
  10. Cliquez sur OK pour enregistrer le modèle et la configuration ou pour passer à l’onglet suivant.