Mit MLM-Tags (Machine Learning Modelle) können Sie PMML-Modelle (Predictive Model Markup Language) einsetzen, die aus Ihren zuvor erstellten Python-Skripten konvertiert wurden. Ihre PMML-Modelle werden verwendet, um TrendMiner Tags zu erstellen, die in TrendHub angezeigt und analysiert werden können.
Hinweis: Diese Funktion ist nur verfügbar, wenn Sie über Zugriffsrechte für die Machine Learning Model Tags verfügen.
MLM Submenü
PMML-Modell: In diesem Feld können Sie eines der Modelle auswählen, die in TrendMiner eingesetzt werden. Die Modelle können über das TrendMiner Notebook bereitgestellt werden, die Plattform, auf der Python-Skripte in PMML-Modelle umgewandelt werden können. Lesen Sie hier für weitere Informationen über das Notebook-Tool.
Hinweis: Es werden nur PMML-Modelle mit 10 oder weniger Eingabevariablen im Dropdown-Feld angezeigt.
Zuordnen: Hier können Sie Ihre Tags/Attribute den für das Modell erforderlichen Eingaben zuordnen.
Hinweis: Es werden nur analoge Eingänge unterstützt.
Ausgabe: Modelle können mehrere Ausgaben haben. Mit diesem Feld legen Sie fest, welche Ausgabe für die Erstellung Ihres neuen Tags verwendet werden soll.
Hinweis: Es werden nur analoge Ausgänge (Integer, Float, Double) unterstützt.
Variablen
Es können maximal 10 Variablen für die Zuordnung jedes MLM-Tags einbezogen werden. Es werden nur Modelle mit 10 oder weniger Eingabevariablen angezeigt.
Eingabe und Ausgabe
Es werden nur analoge Eingänge und Ausgänge (Integer, Float, Double) unterstützt.
Visualisierung von Tags
Wenn Sie ein neues Tag erstellen, sind die MLM-Tags nicht sofort sichtbar und werden möglicherweise als leere Daten angezeigt, da das Tag zunächst in TrendMiner indexiert werden muss. Nach der Indexierung sollte der Tag sichtbar sein. Möglicherweise müssen Sie den Tag entfernen und erneut hinzufügen, damit dies geschieht.