最近朋友推薦Yonghong Desktop，號稱既有BI，又有AI，而且還是免費的，于是二話不說，下載->安裝->啟動產品，一系列操作快速搞定后，馬上就想體驗一下。

這里我們使用天池開放的數據資源（Baby Goods Info Data，里下載了兩個csv的數據：

Tianchi_mum_baby.csv（兒童信息）

Tianchi_mum_baby_trade_history.csv（交易記錄）

作為體驗該軟件的樣例數據。表結構如下2圖所示。

表1 兒童信息

?

?

表2 交易記錄

?

?

通過兩個表的數據，實現“根據用戶購買的兒童用品交易記錄預測兒童的年齡”。

后續就可以基于預測的結果向用戶推薦該年齡段可能需要的商品，促成更多商品銷售，用數據分析提升產品轉換，最終實現做成了一幅可視化報表，如下：

經過研讀在線幫助文檔和一番摸索發現，Yonghong Desktop功能確實強大，數據探索、準備和處理、模型構建和推理，報告制作等各方面功能都很完善。

接下來我們就來一起學習下，如何利用這些數據來實現分析與預測吧~

一、做好基礎準備——數據的導入與探索

數據導入

數據源的格式為CSV格式，直接在Yonghong Desktop上選擇下圖1這個功能上傳數據即可形成數據集。

導入后的數據集分別存放在如下位置

數據探索

在Yonghong Desktop 上“深度分析”模塊創建一個新實驗，將數據集“baby”、“baby_trade_history”拖入畫布，在右側查看各個數據的元數據、探索數據功能。

可以發現：

“baby”數據集的user_id字段唯一值數量為953個，“baby_trade_history”數據集的user_id字段唯一值數量為29944個，因此只有3.18%的用戶關聯有baby數據的。“baby_trade_history”數據集的property字段是關于購買商品的屬性信息且均已脫敏，無法知道其具體含義。

這么多的交易記錄都查不到對應的兒童信息，我的想法是通過有兒童信息的交易記錄，經過模型構建推理剩下那些交易記錄對應的兒童信息。

二、簡單五步——輕松完成數據處理

將“baby_trade_history”數據集關聯有兒童信息的交易記錄作為兒童年齡已標注的訓練集，未關聯兒童信息的記錄作為待預測數據集。根據對業務和數據集的理解，兒童年齡與字段cat_id （商品品類）、cat1 （商品基礎品類）、property （商品屬性）、buy_mount（購買數量）相關性較高。

第一步，構造“baby_trade_history_train”數據集作為模型的訓練集

它是由數據集“baby”、“baby_trade_history”數據集內部聯接而成。構造數據流如下圖3所示，“聯接”算子的配置如圖4所示。

圖3 baby_trade_history_train數據集的工作流

圖4 訓練集的內部聯接配置

第二步，通過交易日期和生日，算出年齡字段

在“baby_trade_history_train”數據集上通過新建計算列生成一個計算列字段age，其取值為根據字段birthday計算出的兒童年齡。該計算列：

“roundUp((dateValue(parseDate(col['day'],'yyyyMMdd'))-dateValue(parseDate(col['birthday'],'yyyyMMdd')))/365,1)”

第三步，構造“
baby_trade_history_predict”數據集作為模型推理用的待預測數據集

它是由數據集“baby”、“baby_trade_history”數據集右側聯接而成，如圖5所示。

圖5 測試集的右側聯接配置

第四步，待預測數據集過濾掉年齡字段不為空的數據行

由于“baby_trade_history”數據集的user_id唯一值數量多于“baby”數據集的記錄，右聯接后“
baby_trade_history_predict”數據集中關于”baby”的有大量空值，如圖6所示。在該數據集上添加過濾條件濾出birthday字段含有空值的行作為“baby_trade_history_predict”數據集最終輸出，過濾完的結果只剩下在baby數據集里查詢不到的數據。過濾條件配置如圖7所示。

圖6 有空值的字段

圖7 過濾條件

第五步，從property字段構造新特征

property字段的數據如圖8所示。

圖8 baby_trade_history數據

該字段集中了商品的所有屬性名及其取值，但顯然不同類型的商品，其屬性必然有差異，比如用途、尺寸、重量、材質、商品細分類型等等，不同年齡段的兒童用商品必然有所不同或者兒童偏好不同，這決定了商品屬性必然與年齡存在相關性。通過觀察數據(圖8)發現，property字段將商品屬性及其取值以冒號分割同時以分號分割不同的屬性，雖然屬性及取值均已脫敏，但仍然有利用的價值，于是我嘗試用計算列拆分該字段構造出新字段。由于商品屬性較多，我分離出了幾個常見的商品屬性作為計算列，如圖9所示，其中：property_len是商品屬性個數，其內容為：len(col['property'])-len(substitute(col['property'],';',''))。

property_21458是屬性21458對應的值，其計算列內容為：

if contains(ifNull(col['property'],'0'),'21458:') then

parseInt(split(split(col['property'],'21458:',2),';',1))/1000

else

0

end

其它屬性列對應的計算列同property_21458列。

圖9 property分離出的新字段（紅框內）

經過以上步驟，數據處理完成。

三、快速搭建實驗——模型的構建與推理

模型構建

模型構建涉及特征工程和訓練過程，在深度分析中是以實驗的形式存在的。經過前面數據處理之后，搭建模型實驗已經比較簡單了。在Yonghong Desktop上創建一個實驗，將“數據集”tab下的訓練集“baby_trade_history_train”數據集和“操作”tab下“/算法/回歸/決策樹回歸”算子及視圖節點拖至實驗畫布，構建的實驗如下圖10所示，用到的節點位于圖11中標注的位置。

圖10 創建的模型訓練實驗工作流

圖11 使用的算子

決策樹回歸的參數配置表如圖12所示，調參過程略過，這里大家可以根據對數據和業務的理解自行設置。特征列選擇如圖13所示，注意字段的順序是有用的，模型應用的時候字段的含義和順序需要與這個特征列順序保持一致。

圖12 決策樹回歸算法的參數配置表

圖13 特征列

訓練完模型后通過“多視圖”節點可以查看其性能指標、特征重要性等，如下圖14所示。為了后續應用訓練好的模型，我通過“保存為訓練模型”及時將模型保存下來（操作過程略），保存的訓練模型存放于如圖15所示的位置，取名為：兒童年齡預測_訓練模型。

圖14 模型性能指標視圖

圖15 保存的訓練模型

特別注意：在搭建模型訓練實驗的時候，遇到一個小坑。在“創建數據集”模塊構建訓練集時，如果添加計算列或者更新了計算列的計算邏輯后，在深度分析實驗工作流中的訓練集“baby_trade_history_train”節點上需要鼠標右鍵菜單點擊“刷新”。

模型推理

保存了訓練模型，就可以開始用它搭建模型推理服務工作流了。

第一步，新建一個實驗，將預測數據集：
baby_trade_history_predict，和剛保存的訓練模型：兒童年齡預測_訓練模型拖入畫布中，創建工作流如圖16所示。

第二步，配置模型應用節點。由于訓練集和測試集的所選的特征字段完全一樣，所以模型應用中填寫的特征列與訓練模型的字段和順序完全一致，本實驗中的配置如圖17所示。

圖16 模型推理工作流

圖17 模型應用算子的配置項

predict_age字段是新建的字段，點擊圖18里的icon進行創建。

圖18 新建字段寫入模型預測的結果

第三步，設置制作報告可以使用的節點輸出。這里顯然模型應用節點的輸出是我需要的，直接選擇該節點即可，節點設置頁面如圖19所示。

圖19 設置用于制作報告的節點

保存該實驗，取名為：兒童年齡預測實驗。

四、讓結果一目了然——制作可視化報告

訓練數據集baby_trade_history_train里有age字段，待預測數據集里有預測結果字段predict_age?，F在的一個想法，就是把所有交易記錄的age和predict_age拼接到一列里，就可以得到所有交易記錄的年齡（一部分是實際的，一部分是預測的）。

第一步：合并訓練數據集和待預測數據集

這里又用到了自服務數據集進行數據處理，將待預測數據集
baby_trade_history_predict和訓練數據集baby_trade_history_train做聯合得到新數據集baby_trade，如圖20。

圖20 聯合之后的數據集baby_trade

特別注意：聯合的數據集需要字段相同，字段類型也匹配。

第二步：基于合并的數據集新建報告，并應用實驗

基于baby_trade新建報告，選擇綁定pane上的應用實驗，如圖20。

圖20 應用實驗入口

在彈出的選擇實驗窗口中，如圖21 選擇實驗窗口，選擇兒童年齡預測實驗，并選擇模型應用節點，點擊確定。

圖21 選擇實驗窗口

在此綁定數據集上，出現模型應用上新增的字段，見圖22。

圖22 應用實驗

第三步：合并age和predict_age字段

新建計算列age_new，進行拼接，見圖23。

圖23 字段拼接

第四步：對每個年齡段進行分組

基于age_new字段新建數據分箱，設置見圖24。

圖24 數據分箱

第五步：制作報告

用上面預測和準備的數據，即可在Yonghong Desktop上通過可視化的方式拖拽得到消費商品的年齡分布，不同年齡段的購買情況，不同年齡的商品偏好，不同商品的年齡分布，并由此做精準的商品推薦。我拖拽做了四個圖表，基本在分鐘級以內搞定，最終展示效果如圖25所示。

圖25 可視化效果

總結：

回溯整個過程，可以發現，Yonghong Desktop有強大的數據治理功能，其中自服務數據集和計算列異常驚艷。深度分析模塊內置了豐富的算子，模型構建和推理通過簡單的工作流，拖拽即可實現，無需編碼。通過在實驗上設置可用于報告制作的算子節點，即可實現AI和BI結合，將AI的預測結果通過報表進行分析和呈現。