Module d’application
Cette page documente la dernière étape d’application du modèle sur de nouvelles données d’entrée
Le module Application, comme indiqué dans la documentation, accepte deux types d’entrée : le premier est une entrée unique, qui consiste à saisir manuellement une valeur pour chaque variable d’entrée, tandis que le second prend un fichier CSV en entrée contenant plusieurs échantillons comme entrée. Dans ce POC, nous illustrerons l’utilisation des deux méthodes. Cependant, pour les deux approches, les étapes restent les mêmes :
Sélectionnez le bon modèle
Saisissez/Sélectionnez vos données
Cliquez sur « Prédire »
Explorer les résultats
Entrée unique
Une fois le module d’application ouvert, sélectionnez le modèle Random Forest qui a été enregistré dans l’étape 4. Une liste d’entrées de colonnes apparaîtra, et vous devrez saisir manuellement la valeur de chaque variable. Seules les entrées de colonnes avec * à côté de leur nom sont des entrées obligatoires ; par conséquent, si d’autres variables manquent, elles seront remplacées à l’aide du même processus d’imputation utilisé dans le pipeline d’apprentissage automatique. Une fois toutes les valeurs saisies, cliquez sur « Prédire » et attendez les résultats.
Utilisez la figure ci-dessous pour suivre correctement les étapes requises :
Dans la section inférieure, les résultats se composent de la valeur prédite et du score de prédiction. Dans notre cas, la valeur prédite est 0 avec une probabilité de 83 %, ce qui signifie que notre modèle est sûr à 83 % que la valeur prédite est 0. Notez que cette probabilité, qui indique le niveau de confiance du modèle dans sa réponse, varie de 0 à 1 (ou de 0 % à 100 %), montrant à quel point un modèle est confiant dans sa réponse, 1 indiquant que le modèle est complètement certain de sa réponse.
Entrée de fichier
Pour utiliser l’option d’entrée de fichier, vous aurez besoin d’un fichier CSV contenant les échantillons de données que vous souhaitez tester. Nous vous suggérons d’en créer un manuellement et de l’importer dans votre espace de travail MEDomics. Assurez-vous que les colonnes du fichier sont les mêmes que les variables utilisées lors de l’entraînement, que vous pouvez trouver dans les métadonnées du modèle enregistrées sous l’objet .medmodel .
La figure ci-dessous illustre ces étapes :
Cela montre comment le module Application peut être utilisé comme environnement de production pour vos modèles d’apprentissage automatique entraînés. Il comble le fossé entre le développement du modèle et l’application pratique, permettant aux utilisateurs d’interagir avec le modèle pour effectuer des prédictions sur de nouvelles données.
Cette dernière étape conclut notre preuve de concept (PoC) PARIS, où nous avons exploré les principaux modules et fonctionnalités de la plateforme MEDomics , de l’exploration et du prétraitement des données à l’entraînement et au déploiement des modèles. Bien que ce PoC ait couvert la plupart des composants principaux de la plateforme, MEDomics offre de nombreuses capacités supplémentaires qui restent à explorer. Nous vous encourageons à consulter les autres PoC pour un examen plus approfondi d’autres modules et de cas d’utilisation plus complexes.
Mis à jour