Как реализовать пользовательскую предиктивную модель

Общие сведения

Сервис прогнозирования значений справочного поля использует методы статистического анализа для обучения на основании набора исторических данных и прогнозирования значений для новых записей.

Подробно эта функциональность описана в статье "Сервис машинного обучения".

Описание кейса

Реализовать автоматическое прогнозирование колонки [Категория] ([AccountCategory]) по значениям полей [Страна] ([Country]), [Количество сотрудников] ([EmployeesNumber]), [Отрасль] ([Industry]) во время сохранения записи контрагента. При этом должны выполняться следующие условия:

• Обучение модели необходимо формировать на основании записей о контрагентах за последние 90 дней.
• Переобучение производить каждые 30 дней.
• Допустимое значение точности прогнозирования для модели в целом — 0.6.

Алгоритм выполнения кейса

1. Обучение модели

Для обучения модели необходимо:

1. Добавить запись в справочник [Модели машинного обучения] (MLModel). Значения полей записи приведены в таблице 1.

Табл. 1. — Значения полей записи справочника MLModel

{
    "inputs": [
        {
            "name": "CountryId",
            "type": "Lookup",
            "isRequired": true
        },
        {
            "name": "EmployeesNumberId",
            "type": "Lookup",
            "isRequired": true
        },
        {
            "name": "IndustryId",
            "type": "Lookup",
            "isRequired": true
        }
    ],
    "output": {
        "name": "AccountCategoryId",
        "type": "Lookup",
        "displayName": "AccountCategory"
    }
}

new Select(userConnection)
    .Column("a", "Id").As("Id")
    .Column("a", "CountryId")
    .Column("a", "EmployeesNumberId")
    .Column("a", "IndustryId")
    .Column("a", "AccountCategoryId")
    .Column("c", "Name").As("AccountCategory")
.From("Account").As("a")
.InnerJoin("AccountCategory").As("c").On("c", "Id").IsEqual("a", "AccountCategoryId")
.Where("a", "CreatedOn").IsGreater(Column.Parameter(DateTime.Now.AddDays(-90)))

2. Выполнить действие [Запланировать задание обучения моделей] на странице справочника [Модели машинного обучения] (MLModel).

Далее необходимо подождать пока поле [Статус обработки моделей] пройдет цепочку значений DataTransfer, QueuedToTrain, Training, Done. Процесс ожидания может занять несколько часов (зависит от объема передаваемых данных и общей нагрузки на сервис предиктивных моделей).

2. Выполнение прогнозов

Для выполнения прогнозов необходимо:

1. В пользовательском пакете создать бизнес-процесс, для которого стартовым сигналом будет событие сохранения объекта [Контакт]. При этом нужно проверить заполненность значениями необходимых полей (рис. 1).

Рис. 1. — Свойства стартового сигнала

2. В бизнес-процесс добавить параметр-справочник MLModelId, ссылающийся на сущность [Модель машинного обучения]. В качестве значения нужно выбрать запись с созданной моделью [Прогнозирование категории Контрагента].

3. В бизнес-процесс добавить параметр-справочник RecordId, ссылающийся на сущность [Контрагент]. В качестве значения нужно выбрать ссылку на параметр RecordId элемента [Сигнал].

4. На диаграмму бизнес-процесса добавить элемент [Задание-сценарий] и добавить в него следующий исходный код:

var userConnection = Get<UserConnection>("UserConnection"); 
// Получение Id записи контрагента
Guid entityId = Get<Guid>("RecordId"); 
// Получение id модели.
var modelId = Get<Guid>("MLModelId");
var connectionArg = new ConstructorArgument("userConnection", userConnection);
// Объект для вызова прогнозирования
var predictor = ClassFactory.Get<MLEntityPredictor>(connectionArg);
// Загрузка модели.
// Вызов сервиса прогнозирования. Данные сохраняются в MLPrediction и в случае высокой вероятности прогноза в нужное поле контрагента.
predictor.PredictEntityValueAndSaveResult(modelId, entityId);
return true;

После сохранения и компиляции процесса для новых контрагентов будет выполнятся прогнозирование. Полученный прогноз будет отображаться на странице редактирования контрагента.