Les tags de Modèle Machine Learning (MML) vous permettent de déployer des modèles PMML (Predictive Model Markup Language) convertis à partir de vos scripts Python précédemment créés. Vos modèles PMML sont utilisés pour créer des tags TrendMiner, qui peuvent être affichés et analysés dans TrendHub.
Remarque : Cette fonction n'est disponible que si vous disposez de droits d'accès aux tags Modèle Machine Learning.
Sous-menu MLM
Modèle PMML : Dans ce champ, vous pouvez sélectionner n'importe lequel des modèles qui sont déployés dans TrendMiner. Les modèles peuvent être déployés à partir de l'outil Notebook de TrendMiner, la plateforme où les scripts Python peuvent être convertis en modèles PMML. Lisez ceci pour plus d'informations sur l'outil Notebook.
Remarque : seuls les modèles PMML comportant au maximum 10 variables d'entrée sont affichés dans le champ déroulant.
Mappage : Ici, vous pouvez mapper vos tags/attributs à toute entrée requise pour le modèle.
Remarque : seules les entrées analogiques sont prises en charge.
Sortie : Les modèles peuvent avoir plusieurs sorties. Avec ce champ, vous spécifiez quelle sortie doit être utilisée pour créer votre nouveau tag.
Remarque : seules les sorties analogiques (entiers, flottants, doubles) sont prises en charge.
Variables
Un maximum de 10 variables peut être inclus pour le mappage de chaque tag MML. Seuls les modèles comportant 10 variables d'entrée ou moins sont affichés.
Entrée et sortie
Seules les entrées et sorties analogiques (entiers, flottants, doubles) sont supportées.
Visualisation des tags
Lors de la création d'un nouveau tag, les tags MML ne sont pas immédiatement visibles et peuvent apparaître comme des données vides car le tag doit d'abord être indexé dans TrendMiner. Après l'indexation, le tag devrait être visible. Il se peut que vous deviez retirer et rajouter le tag sur votre écran pour que le rendre visible.