Scoring
Last updated
Last updated
Essa tarefa é dependente da tarefa AutoML. Para utilizar é necessário ter criado anteriormente pelo menos um modelo usando o AutoML.
Sua utilidade é aplicar o modelo a um novo conjunto de dados. Como exemplo, uma empresa precisa cobrar seus clientes. Para isso, ela construiu um modelo preditivo (AutoML) usando seu histórico de cobrança, pois ela sabe quem pagou e quem não pagou.
Agora a empresa recebeu uma carteira de clientes no começo do mês para cobrar e quer aplicar o modelo que havia criado para saber quem irá pagar e quem não irá pagar. Além de ter essa marcação, ela também deseja saber a probabilidade (0 a 1 ou 0% a 100%) para cada cliente.
Os passos são bem simples e objetivos. Clique na tabela que tem todos os clientes a classificar e no menu Tarefas, escolha a tarefa Scoring.
Defina o nome da tarefa
Defina o nome da tabela resultado com as classificações
Escolha o modelo que deve ser aplicado aos dados
A tabela que contém a carteira de clientes para se cobrar nesse tem que ter exatamente as mesmas colunas que haviam na tabela usada para criar o modelo com o AutoML. A única coluna que ela não terá é a variável resposta, que na prática, é o que queremos saber agora (qual cliente vai pagar ou não). Por isso, no AutoML, é importante usar somente variáveis que teremos depois para aplicar o Scoring. Se as colunas não coincidirem, será retornado um erro.
O resultado da execução da tarefa Scoring será uma tabela, contendo todas as colunas originais da tabela usada, incluindo as novas colunas resultados do scoring. Abaixo segue um exemplo para o caso da variável resposta ser categórica e com dois valores (nao e sim).
Previsão com os dois possível valores para cada um dos clientes.
Probabilidade do nao.
Probabilidade do sim.
A partir desse ponto, todas as colunas da tabela de origem são repetidas e estão disponíveis para qualquer análise no processo do Gaio.
