Erstellen von Luma-Propensity-Modellschemas und -Datensätzen
In diesem Tutorial erhalten Sie die Voraussetzungen und Assets, die für alle anderen Adobe Experience Platform Data Science Workspace Tutorials. Nach Abschluss des Vorgangs stehen Ihnen und Ihrer Organisation die folgenden Schemas und Datensätze zur Verfügung.
Schemata:
- Luma-Webdatenschema
- Schema für Tendenzmodelle mit Scoring-Ergebnissen
Datensätze:
- Luma-Webdatensatz
- Trainings-Datensatz für Tendenzmodelle
- Scoring-Datensatz für Tendenzmodelle
- Datensatz mit Tendenzmodellauswertungen
Laden Sie die Assets herunter. assets
Das folgende Tutorial verwendet ein benutzerdefiniertes Luma-Kaufneigungsmodell. Vor dem Verfahren Herunterladen der erforderlichen Assets ZIP-Ordner. Dieser Ordner enthält:
- Das Modell-Notebook mit Kaufneigung
- Ein Notebook, mit dem Daten in einen Trainings- und Scoring-Datensatz (eine Untergruppe der Luma-Webdaten) aufgenommen werden
- Eine JSON-Demodatei mit den Webdaten von 730.000 Luma-Benutzern
- Ein optionales Python 3 EDA-Notebook (Exploratory data analysis), das zum Verständnis der Webdaten und -modelle verwendet werden kann.
Erstellen des Luma-Webdatenschemas und Erfassen der Daten
Um ein Modell zu erstellen, müssen Sie über einen Datensatz in Platform verfügen, der zum Trainieren und Bewertung Ihres Modells verwendet wird. Das folgende Video-Tutorial aus dem Data Science Workspace-Kurs führt Sie durch die Erstellung des Luma-Schemas und die Erfassung der vom Kaufpropensionsmodell verwendeten Daten.
Erstellen der Datensätze zu Trainings-, Scoring- und Scoring-Ergebnissen
Um das Rezept Builder-Notebook auszuführen oder die API zum Trainieren und Bewerten eines Modells zu verwenden, müssen Sie die Datensätze und Schemas angeben, die für Schulungen/Auswertungen verwendet werden. Das folgende Video-Tutorial führt Sie durch die Einrichtung der Datasets für Trainings-, Scoring- und Scoring-Ergebnisse sowie des Schemas für Scoring-Ergebnisse, das im Luma-Kaufneigungsmodell verwendet wird.
Nächste Schritte
In diesem Tutorial haben Sie erfolgreich die erforderlichen Schemas und Datensätze für das Luma-Tendenzmodell erstellt. Sie können jetzt mit dem nächsten Tutorial fortfahren und das Modell mithilfe der Rezept-Builder-Notebook Tutorial.
Darüber hinaus können Sie die Daten mithilfe des bereitgestellten Notebooks Exploratory Data Analysis (EDA) untersuchen. Dieses Notebook kann verwendet werden, um Muster in den Luma-Daten zu verstehen, die Datensaniertheit zu überprüfen und die relevanten Daten für das prädiktive Tendenzmodell zusammenzufassen. Weitere Informationen zur Explorationsdatenanalyse finden Sie unter EDA-Dokumentation.