103: Soluciones sin código y de bajo código

1. Ingeniería de características

En este ejemplo más sencillo de ingeniería de funciones, generará el día de la semana en que se contrató a un empleado y el día de la semana en que un empleado abandonó la empresa. Estos datos pueden proceder de archivos o conexiones. Los datos también podrían provenir de múltiples fuentes y unirse para crear una entrada más completa. En este ejemplo, leerá los datos de una base de datos utilizando la conexión Data Warehouse disponible en su proyecto Cloud Pak for Data.

Tener acceso al día de la semana de un evento específico le permitirá comparar actividades de una semana a otra. Por ejemplo, ¿cuántas transacciones realizó el lunes? ¿Cómo se compara con otros lunes? ¿Puede ver un patrón de una semana a otra? ¿Tiene que prever más empleados e inventario los viernes que los lunes? Estos son los tipos de preguntas que se pueden plantear una vez que se extrae el día de la semana de una fecha. Podría tratarse de una simple transformación antes de pasar los datos al modelo de aprendizaje automático.

Veamos lo sencillo que es hacerlo con SPSS Modeler.

En este ejercicio utilizarás los tres operadores siguientes:

• Activo de datos: para acceder a una tabla de una base de datos
• Derivar: Para crear dos nuevas características (atributos / columna)
• Exportación de activos de datos: Para escribir el resultado en un archivo de almacenamiento de objetos en la nube (COS)

Mientras sigues las instrucciones, tómate tu tiempo para ver las distintas opciones disponibles en cada operador.

1. Vuelva a su proyecto en su navegador. Si ha cerrado la pestaña, vaya a su lista de proyectos y haga clic en el nombre de su proyecto de la lista.
2. En su proyecto, seleccione la pestaña Activos y haga clic en Nuevo activo.

3. Seleccione Constructores gráficos en la columna del tipo de herramienta de la izquierda.
4. Haga clic en el mosaico del modelador de SPSS en la parte inferior derecha de la pantalla.
5. Dé a su flujo un nombre y una descripción opcional, después haga clic en Crear. Es posible que se le pida que realice una visita guiada de los Flujos de SPSS Modeler. Si es así, haga clic en Tal vez más tarde para cerrar el mensaje y continuar con el laboratorio.

6. Despliegue la sección Importar de la paleta de la izquierda. Haga clic y arrastre el operador Activo de datos y suéltelo en el lienzo situado en el centro de la pantalla.

7. Pase el ratón por encima del activo de datos que ha añadido al lienzo, haga clic en los tres puntos verticales que aparecen y seleccione Editar.

8. Seleccione Conexión en el menú.
9. Seleccione la conexión al almacén de datos.
10. Seleccione el esquema EMPLEADO.
11. Seleccione la tabla EMPLEADOS.
12. Haga clic en Seleccionar y, a continuación, en el botón Guardar. El activo de datos se actualizará con los datos de la base de datos conectada.

13. Despliegue las Operaciones de campos en la paleta de la izquierda.
14. Arrastre y suelte un operador Derivar a la derecha del operador Activo de datos.

15. Para conectar el operador Activo de datos con el operador Derivar, sitúe el ratón sobre el Activo de datos en el lienzo. Haga clic y arrastre el icono circular con el signo > hasta el operador Derivar. Ahora debería ver una línea que conecta estos dos operadores.

16. Pase el ratón por encima del operador Derivar en el lienzo, haga clic en los tres puntos verticales que aparecen y seleccione Editar.

17. Seleccione Campos múltiples en la sección Modo de la derecha.
18. Haga clic en el botón Añadir columnas.
19. Seleccione las columnas "DATE_HIRED" y "TERMINATION_DATE" de la tabla y haga clic en el botón azul OK de la parte inferior derecha.

20. Cambie la extensión del nombre del campo a la derecha de _Derive a _wkday para que sea más explícito a efectos de documentación.
21. En el cuadro Expresión de la parte inferior derecha, copia y pega lo siguiente:

datetime_weekday(@FIELD)
txt
Copiar código al portapapeles

22. Haga clic en Guardar.

23. Despliegue la sección Exportar de la paleta de la izquierda.
24. Arrastre y suelte el operador Exportación de Activos de Datos en el lienzo, colocándolo a la derecha del operador Derivar.
25. Conecte el operador Derivar a la Exportación de Activos de Datos situando el ratón sobre el operador Derivar y, a continuación, haciendo clic y arrastrando el icono circular con el > hasta el nodo Exportación de Activos de Datos.
26. Edite el operador de Exportación de Activos de Datos del mismo modo que lo hizo anteriormente.

27. Cambie el valor del campo Nombre de archivo de output.csv a employee_w_wkday.csv.
28. Haga clic en Guardar.
29. Haga clic en el botón azul de selección Ejecutar en la parte superior de la ventana. Aparecerá la ventana emergente Flujo en ejecución, que le mostrará el estado de su ejecución.

30. Cuando haya finalizado la ejecución, vuelva a su proyecto Cloud Pak for Data haciendo clic en el nombre del proyecto en la parte superior izquierda de la pantalla.

31. Seleccione la pestaña Activos.
32. Haga clic en el activo employee_w_wkday.csv recién añadido en la sección Todos los activos. La vista previa muestra los dos nuevos campos que ha personalizado como las dos últimas columnas del archivo. Puede que tenga que desplazarse hacia la derecha para verlos.

Este sencillo flujo apenas insinúa las capacidades de SPSS Modeler. Por ejemplo, este flujo podría haber escrito el resultado de vuelta a una base de datos, o pasarlo a otro flujo para la creación del modelo.

El número de operadores disponibles en SPSS es sólo una parte de la historia. Cada operador incluye funciones para utilizar en expresiones de transformación de datos como datetime_weekday. Podría haber utilizado la ayuda incorporada para encontrar la función que buscaba en lugar de confiar sólo en la memoria.

2. Creación de modelos

En esta sección del laboratorio, creará un modelo para predecir el abandono de los empleados. Se trata de un modelo similar a los dos modelos de bajas creados con cuadernos Jupyter en la sección de este laboratorio titulada Aumento de las herramientas de código abierto. El modelo tendrá este aspecto:

Este modelo tendrá un total de seis operadores. Se generará un séptimo en el proceso:

• Activo de datos: Se utiliza para acceder al archivo de entrada.
• 23 campos: Operador de auditoría de datos que muestra información estadística y de calidad sobre cada campo de entrada.
• Tipo: Ayuda a identificar los tipos de columna adecuados y sus funciones.
• Partición: Divide los datos entre los conjuntos de entrenamiento y prueba al crear el modelo.
• Desgaste (Verde): Se trata en realidad de un operador Autoclasificador que proporciona una selección de operadores para evaluar antes de tomar una decisión final sobre cuál utilizar.
• Desgaste (Oro): Es el resultado de la ejecución del operador Autoclasificador anterior. Puedes ver las evaluaciones del modelo y decidir con cuál te quedas.
• Tabla: Es el resultado de todo el modelo. Puede guardar esta "rama" como modelo y desplegarla para utilizarla en diferentes contextos.

Siga los pasos descritos a continuación para crear este modelo de desgaste.

1. Vuelva a su proyecto Cloud Pak for Data utilizando el nombre del proyecto en la parte superior izquierda de la pantalla.
2. Seleccione la pestaña Activos y haga clic en el botón Nuevo activo de la derecha.
3. Seleccione Constructores gráficos en el panel Tipo de herramienta de la izquierda.
4. Haga clic en el mosaico SPSS Modeler.
5. Dé a su flujo un nombre y una descripción opcional y, a continuación, haga clic en Crear.

6. Despliegue la sección Importar de la paleta de la izquierda y, a continuación, arrastre el operador Activo de datos y suéltelo en el lienzo.
7. Pase el ratón por encima del nodo Activo de datos en el calendario, haga clic en los tres puntos verticales que aparecen y seleccione Editar.

8. Seleccione Activo de datos
9. Seleccione modeling_records_2022.csv.
10. Pulse Seleccionar en la parte inferior derecha de la pantalla y, a continuación, pulse el botón azul Guardar en la parte inferior derecha. Los cambios tardarán unos 30 segundos en actualizarse.

11. Despliegue la sección Salidas de la paleta de la izquierda.
12. Arrastre y suelte un operador de Auditoría de datos debajo del de Activos de datos.
13. Conecte el operador Activo de datos al operador Auditoría de datos haciendo clic en el icono circular con el signo > que aparece al pasar el ratón por encima del Activo de datos y arrástrelo hasta el operador Auditoría de datos. Cuando conecte estos operadores, el operador Auditoría de datos pasará a llamarse automáticamente 23 Campos.
14. Haga clic con el botón derecho del ratón en el operador 23 Campos y seleccione Ejecutar.

15. El panel de resultados se abre en la parte derecha del lienzo. Haga clic en el nombre del resultado de la Auditoría de datos (no seleccione la casilla de verificación).

Puede ver información estadística y de calidad en cada campo de entrada. Puede que tenga que desplazarse a la derecha para ver columnas adicionales. Esta vista proporciona indicaciones sobre la calidad de los datos. Si la calidad se considera baja, tendría más sentido ir a buscar nuevos datos en lugar de continuar con la modelización.

Una vez que haya terminado de ver esta información, cierre la salida de la vista ("X" en la parte superior derecha) y cierre la sección Salidas utilizando la "X" en la parte superior derecha para dejar más espacio para trabajar con el lienzo.

16. Despliegue la sección Operaciones de campo de la paleta de la derecha.

17. Arrastre y suelte un operador Tipo a la derecha del operador Activo de datos.
18. Arrastre y suelte un operador Partición a la derecha del operador Tipo.
19. Conecte el operador Activo de datos al operador Tipo como ha hecho en pasos anteriores.
20. Pase el ratón por encima de Operador de tipo. Haga clic en los tres puntos verticales que aparecen y seleccione Editar.

21. Utilice el menú desplegable de la columna Medida de la fila GENDER_CODE para establecer el valor en Categórico.
22. Utilice el desplegable de la columna Medida de la fila ATTRICIÓN para establecer el valor en Bandera.
23. Utilice el desplegable de la columna Rol en la fila ATTRITION para establecer el valor en Target.
24. Pulse el botón azul Guardar en la parte inferior derecha de la pantalla.
25. Conecte el operador Tipo al de Partición como ha hecho muchas veces antes.
26. Edite el operador Partición.

27. Cambie el campo Partición de entrenamiento(%) a 90.
28. Cambie el campo Partición de prueba(%) a 10.
29. Pulse el botón azul Guardar en la parte inferior derecha.

30. Despliegue la sección Modelado de la paleta de la izquierda.
31. Arrastre y suelte un operador Autoclasificador en el lienzo y colóquelo a la derecha del operador Partición.
32. Conecte el operador Partición al Autoclasificador uno (tenga en cuenta que el nombre del operador cambiará automáticamente a ATTRICIÓN, que usted designó como objetivo en el paso 23).
33. Editar el operador ATTRITION.
34. Desplácese hacia abajo en la ventana que se abre. Fíjese en las múltiples secciones, entre las que se incluyen Opciones de construcción, Criterios para marcar objetivos, Experto, etc.

35. Despliegue la sección Experto. Puede ver que hay varios modelos seleccionados en la subsección Seleccionar Modelos. Por defecto, SPSS Modeler seleccionará una variedad de modelos a utilizar.
36. Haz clic en el botón azul Guardar de la parte inferior derecha.
37. Haga clic con el botón derecho del ratón en el operador ATTRITION y seleccione Ejecutar. El flujo tardará unos minutos en ejecutarse. Una vez completada la ejecución, aparece un nuevo operador ATTRITION (dorado) debajo del antiguo operador ATTRITION, y SPSS traza conexiones a este nuevo operador desde los operadores Partición y ATTRITION.

Este nuevo operador representa los modelos creados a partir de los datos de entrenamiento. Puede ver las evaluaciones de los modelos y decidir con cuál(es) quedarse. Si se selecciona más de un modelo, SPSS Modeler los utilizará como un conjunto (un grupo de modelos) para ofrecer una evaluación agregada de todas las salidas del modelo.

38. Despliegue la sección Salidas de la paleta de la izquierda.
39. Arrastre y suelte un operador de Tabla en el lienzo a la derecha del operador ATTRITION generado por SPSS oro.
40. Conecte el operador dorado ATTRITION al operador Table que acaba de añadir.
41. Haga clic con el botón derecho del ratón en el operador Tabla y seleccione Ejecutar.

42. Abra el resultado de la tabla haciendo clic en su nombre en el panel derecho.
43. Desplácese hasta la derecha para ver las columnas generadas:

• Partición: Si esta entrada es de las particiones de entrenamiento o de prueba, como se especifica en el nodo de partición.
• $XF-ATTRITION: Si el modelo predice que el empleado dejará la empresa (1) o se quedará (0)
• $XFC-ATTRITION: grado de confianza del modelo en la predicción, entre 0 (confianza baja) y 1 (confianza alta)

44. Cierre la salida de la vista haciendo clic en la X de la parte superior derecha.

Puede guardar este modelo para su despliegue haciendo clic con el botón derecho del ratón en el operador Tabla y seleccionando Guardar rama como modelo. Esto está fuera del alcance de este laboratorio.

Esta sección apenas araña la superficie de lo que SPSS Modeler puede hacer. SPSS Modeler puede ser útil en tareas como la exploración y comprensión de datos, ingeniería de características, construcción de modelos y más. Consulte la documentación para obtener más información sobre las capacidades de SPSS Modeler.

Además de la documentación, puede encontrar proyectos y cuadernos que utilizan SPSS en la galería. Para ver la galería de proyectos de ejemplo, cree un nuevo proyecto y desplácese hasta la sección Galería.