Solução de problemas de erro de AI do cliente

O Customer AI exibe erros quando o treinamento, a pontuação e a configuração do modelo falham. Na seção Service instances, uma coluna para LAST RUN STATUS exibe uma das seguintes mensagens: Êxito, Problema de treinamento e Falha.

Caso Failed ou Problema de treinamento seja exibido, você pode selecionar o status da execução para abrir um painel lateral. O painel lateral contém seus Status da última execução e Detalhes da última execução. Os detalhes da última execução contêm informações sobre por que a execução falhou. Caso o Customer AI não possa fornecer detalhes sobre o erro, entre em contato com o suporte com o código de erro fornecido.

A qualidade do modelo é ruim

Se você receber o erro "Model Quality (Qualidade do modelo) está ruim. Recomendamos criar um novo aplicativo com a configuração modificada". Siga as etapas recomendadas abaixo para ajudar a solucionar o problema.

Correção recomendada

"A qualidade do modelo é pobre" significa que a precisão do modelo não se encontra dentro de um intervalo aceitável. O Customer AI não pôde criar um modelo confiável e o AUC (Área sob a curva ROC) < 0,65 após o treinamento. Para corrigir o erro, é recomendável alterar um dos parâmetros de configuração e executar o treinamento novamente.

Comece verificando a precisão dos seus dados. É importante que seus dados contenham os campos necessários para seu resultado preditivo.

• Verifique se o conjunto de dados tem as datas mais recentes. O Customer AI sempre assume que os dados estão atualizados quando o modelo é acionado.
• Verifique se há dados ausentes em sua previsão e janela de qualificação definidas. Seus dados precisam ser completos sem lacunas. Verifique também se o conjunto de dados atende aos requisitos de dados históricos do Customer AI.
• Verifique se há dados ausentes no comércio, aplicativo, web e pesquisa, nas propriedades do campo de esquema.

Se os dados não parecerem ser o problema, tente alterar a condição de população de elegibilidade para restringir o modelo a determinados perfis (por exemplo, _experience.analytics.customDimensions.eVars.eVar142 existe nos últimos 56 dias). Isso restringe a população e o tamanho dos dados usados na janela de treinamento.

Se a restrição da população de qualificação não funcionou ou não for possível, altere sua janela de previsão.

• Tente alterar a janela de previsão para 7 dias e veja se o erro continua ocorrendo. Se o erro não ocorrer mais, isso indica que talvez você não tenha dados suficientes para a janela de previsão definida.