Använda exempeldata för att göra kategoriklassificering

Kom igång med att utforska AI Builder-kategoriklassificering genom att använda exempeldata för att skapa och träna en kategoriklassificeringsmodell. Våra exempeldata består av patientfeedback från ett sjukhus. Målet är att träna en modell som kan förutsäga kategorin för nyligen mottagen feedback. Den här modellen kan innebära att sjukhusadministratören slipper lägga tid på att kategorisera patienternas feedback, så att det blir mer tid till att agera på den och ge en bättre upplevelse till patienterna.

Kommentar

Dessa exempeldata läggs automatiskt till i din miljö om du aktiverar inställningen Distribuera exempelappar och data när du skapar databasen.

Konfigurera en miljö med data

  1. Ladda ned AIBuilder_Lab.zip som innehåller exempeldata för kategoriklassificering.

    Kommentar

    Filen AIBuilder_Lab.zip innehåller också exempelfiler för andra typer av AI Builder-modeller, samt labbuppgifter där du lär dig mer om AI Builder. Mer information om innehållet i zip-filen finns i readme.txt som ingår i zip-filen.

  2. Importera lösningen AIBuildetTextSample_1_0_0 till din Microsoft Power Platform-miljö. Mer information: Importera, uppdatera och exportera lösningar

  3. Gå till mappen Data/textklassificering i filerna och överför sedan data från pai_healthcare_feedbacks.

Skapa din modell

  1. Gå till byggskärmen AI Builder och välj Kategoriklassificering.

  2. Ange ett namn och skapa sedan din modell.

  3. Välj Markera text, markera tabellen healthcare_feedback och välj kolumnen text.

    Skärmdump av panelen välja text.

  4. Välj Välj kolumnen förhandsgranska den taggade texten och välj sedan Nästa.

  5. Välj Välj taggar och markera tagg kolumnen.

    Skärmdump av panelen välja taggar.

  6. Välj Välj kolumnen, kontrollera att rätt avgränsare (komma) har valts och välj sedan Nästa .

  7. Granska texten och taggarna och välj Nästa.

  8. Välj engelska som textspråk och välj sedan Nästa.

  9. Granska modellsammanfattningen och välj sedan Utbilda för att utbilda modellen.