7、Power BI 中机器学习的数据建模与特征发现

Power BI 中机器学习的数据建模与特征发现

一、Power BI 机器学习的数据准备

1.1 确定预测特征

在 Power BI 中进行机器学习时，已确定了要预测的特征以及用于评估机器学习模型的特征：
- 每行代表一个单独的报告事件。
- Strike Report Fact[Size] 是训练机器学习模型来预测的字段，包括大、中、小三种撞击规模。
- 仅使用飞机分类为“Airplane”的行。
- 使用事件日期在 2010 年 1 月 1 日或之后的数据。
- 从 Strike Report Fact[Size] 中移除空白值。
- 将 Strike Reports Fact[Indicated Damage] 标志作为一个特征。
- 过滤到野生动物撞击量排名前 15 的机场。
- 将年份中的月份作为一个特征。

1.2 构建预测高度 ML 模型的分析报告

计划在 Power BI 中构建第三个 ML 模型来预测飞机与野生动物撞击的高度，这是一个回归模型，将预测地面以上的英尺数值。操作步骤如下：
1. 在 Power BI 报告中，复制“Predict Damage”页面并将其重命名为“Predict Height”，过滤掉高度缺失的行。
2. 创建新的 DAX 表达式来分析高度：
- Median Height = MEDIAN([Height])
- Max Height = MAX([Hei