Tutorial em vídeo Preencher com Base no Exemplo (Ferramenta de Análise de Tabela de Mineração de Dados)

Olá, meu nome é Mary Brennan. Sou redatora técnica do Microsoft SQL Server.

Este vídeo mostrará como usar a ferramenta Preencher com Base no Exemplo. Com essa ferramenta, você cria rapidamente novas colunas de dados, com base em padrões encontrados em uma tabela do Excel e nos exemplos fornecidos para os novos valores.

Neste tutorial, a empresa quer identificar seus clientes de Alto Valor. Como não é possível inserir esses valores manualmente para todos os clientes no banco de dados, usaremos a ferramenta Preencher com Base no Exemplo para treinar o modelo a entender os padrões existentes nos dados. Em seguida, iremos analisar o relatório de padrões e avaliar a nova coluna de dados adicionada à nossa planilha.

Antes de começar, é necessário estar atento ao seguinte:

• Você só pode trabalhar com dados em colunas. Se a série que você quer preencher estiver armazenada em uma linha, use a função Colar, Transpor (Paste, Transpose) no Excel para alterar os dados para um formato de coluna.
• Verifique se há pelo menos um exemplo para cada valor que você deseja prever.

1. Para começar, abra a planilha Preencher com Base no Exemplo (Fill From Example).
2. Role até a coluna High Value Customer. Observe que a empresa usou seus conhecimentos sobre os clientes para classificar 10 deles como clientes de altovalor ou não. A ferramenta Preencher com Base no Exemplo irá analisar os padrões existentes nos dados, junto com os exemplos que você inseriu, e preencher valores para o restante da coluna.
   Se não estiver satisfeito com os resultados, você poderá refiná-los fornecendo mais exemplos.
3. Selecione a guia Fill From Example e clique em qualquer lugar da tabela para ativar as Ferramentas de Análise de Tabela.
4. No menu Ferramentas de Tabela (Table Tools), selecione a guia Analisar (Analyze) para abrir a faixa de opções Ferramentas de Análise de Tabela (Table Analysis Tools).
5. Clique em Preencher com Base no Exemplo (Fill From Example) para iniciar o assistente.
6. No diálogo Preencher com Base no Exemplo (Fill From Example), a ferramenta automaticamente seleciona a coluna que contém mais valores nulos ou ausentes, neste caso High Value Customer. Se você quiser usar uma coluna diferente, selecione-a na lista.
7. Clique em Escolher colunas a serem usadas para a análise (Choose columns to be used for analysis). Embora a ferramenta faça recomendações sobre as colunas a serem usadas para a análise, você poderá substituir essas recomendações e selecionar colunas diferentes. Por exemplo, se, por experiência própria, você souber que existe uma relação de causa e efeito entre Income e Age e a coluna que contém valores ausentes, poderá desmarcar colunas na lista para obter melhores resultados.
   Se você não tiver certeza quanto às colunas que devem ser adicionadas como entradas, poderá adicionar todas as colunas. É exatamente isso que faremos, com exceção de ID.
8. Clique em OK.
9. Clique em Executar (Run). O relatório é exibido em uma nova planilha.
   Se forem detectados padrões, os valores ausentes serão automaticamente preenchidos na planilha Fill From Example.

O relatório de padrões descreve as regras usadas para preencher os valores ausentes. Cada influenciador ou regra é descrita como uma combinação de uma coluna, do valor dessa coluna e do impacto relativo da regra na previsão.

O Impacto Relativo (Relative Impact) é mostrado na barra sombreada. Quanto mais longa for a barra, maior será a probabilidade de a regra servir como fator de previsão do valor preenchido.

Isso significa que a região Pacific tem uma forte previsão No e a distância de 2-5 mile tem uma forte previsão Yes (para High Value Customer).

A ferramenta também adiciona uma nova coluna à tabela de dados original, chamada High Value Customer_Extended.

1. Volte à planilha Fill From Example.
2. Role até a nova coluna High Value Customer_Extended.
   Observe que os valores previstos foram preenchidos para todas as linhas na planilha. Esses valores se baseiam em padrões descobertos nos dados. A coluna original que foi usada para treinamento ainda permanece.
3. Vamos classificar as linhas com base no valor do cliente.