Bewerten eines Modells in der Data Science Workspace-Benutzeroberfläche

Die Bewertung in Adobe Experience Platform Data Science Workspace kann durch Einspeisung von Eingabedaten in ein bestehendes trainiertes Modell erzielt werden. Scoring-Ergebnisse werden dann als neuer Batch in einem angegebenen Ausgabedatensatz gespeichert und angezeigt.

In diesem Tutorial werden die Schritte veranschaulicht, die zum Bewerten eines Modells in der Data Science Workspace-Benutzeroberfläche erforderlich sind.

Erste Schritte

Um dieses Tutorial abzuschließen, benötigen Sie Zugriff auf Experience Platform. Wenn Sie in Experience Platform keinen Zugriff auf eine Organisation haben, wenden Sie sich an Ihren Systemadministrator, bevor Sie fortfahren.

Diese Anleitung setzt ein trainiertes Modell voraus. Wenn Sie noch kein trainiertes Modell haben, folgen Sie der Anleitung zum Trainieren und Auswerten eines Modells in der Benutzeroberfläche, bevor Sie fortfahren.

Neuen Scoring-Lauf erstellen

Ein Scoring-Lauf wird mithilfe optimierter Konfigurationen aus einem zuvor abgeschlossenen und ausgewerteten Trainings-Lauf erstellt. Der Satz optimaler Konfigurationen für ein Modell wird in der Regel durch Überprüfen der Auswertungsmetriken für Trainings-Läufe bestimmt.

Finden Sie den optimalen Training-Lauf, um dessen Konfigurationen für das Scoring zu nutzen. Öffnen Sie dann den gewünschten Trainings-Lauf, indem Sie den Hyperlink auswählen, der mit dem Namen verbunden ist.

Wählen Sie auf der Registerkarte Trainings-Durchgang Evaluation rechts oben auf dem Bildschirm Score aus. Ein neuer Scoring-Workflow beginnt.

Wählen Sie den Eingabebewertungsdatensatz aus und klicken Sie auf Next.

Wählen Sie den Ergebnis-Scoring-Datensatz aus. Hierbei handelt es sich um den dedizierten Ausgabedatensatz, in dem die Scoring-Ergebnisse gespeichert werden. Bestätigen Sie Ihre Auswahl und wählen Sie Next aus.

Im letzten Schritt des Workflows werden Sie aufgefordert, Ihren Scoring-Lauf zu konfigurieren. Diese Konfigurationen werden vom Modell für den Scoring-Durchgang verwendet.
Beachten Sie, dass Sie keine übernommenen Parameter entfernen können, die bei der Modellerstellung festgelegt wurden. Sie können nicht vererbte Parameter bearbeiten oder zurücksetzen, indem Sie auf den Wert doppelklicken oder das Symbol „Zurücksetzen“ auswählen, während Sie den Mauszeiger über den Eintrag bewegen.

Prüfen und bestätigen Sie die Scoring-Konfigurationen und wählen Sie Finish aus, um den Scoring-Durchgang zu erstellen und auszuführen. Sie werden zur Registerkarte Scoring Runs weitergeleitet, wo der neue Scoring-Durchgang mit dem Status Pending angezeigt wird.

Ein Scoring-Durchgang kann mit einem der folgenden Status angezeigt werden:

Status werden automatisch aktualisiert. Fahren Sie mit dem nächsten Schritt fort, wenn der Status Complete oder Failed ist.

Scoring-Ergebnisse anzeigen

Um die Bewertungsergebnisse anzuzeigen, wählen Sie zunächst einen Trainings-Lauf aus.

Sie werden zur Seite Trainings-Läufe Evaluation weitergeleitet. Wählen Sie oben auf der Bewertungsseite für den Trainings-Durchgang die Registerkarte Scoring Runs aus, um eine Liste der vorhandenen Scoring-Durchgänge anzuzeigen.

Wählen Sie als Nächstes einen Scoring-Durchgang aus, um die Details des Durchgangs anzuzeigen.

Wenn der ausgewählte Scoring-Durchgang den Status „Abgeschlossen“ oder „Fehlgeschlagen“ hat, wird der View Activity Logs Link zur Verfügung gestellt. Schlägt ein Scoring-Durchgang fehl, können die Ausführungsprotokolle nützliche Informationen zur Ermittlung der Fehlerursache liefern. Um die Ausführungsprotokolle herunterzuladen, wählen Sie View Activity Logs aus.

Das View activity logs-Popover wird angezeigt. URL auswählen, um die zugehörigen Protokolle automatisch herunterzuladen.

Sie haben auch die Möglichkeit, Ihre Scoring-Ergebnisse durch Auswahl von Preview scoring results dataset anzuzeigen.

Eine Vorschau des Ausgabedatensatzes wird bereitgestellt.

Wählen Sie für alle Bewertungsergebnisse den Scoring Results Dataset Link in der rechten Spalte aus.

Nächste Schritte

Dieses Tutorial führte Sie durch die Schritte zum Bewerten von Daten mithilfe eines trainierten Modells in Data Science Workspace. Befolgen Sie die Anleitung zum Veröffentlichen eines Modells als Service in der Benutzeroberfläche, damit Benutzer in Ihrer Organisation Daten bewerten können, indem sie einfachen Zugriff auf einen maschinellen Lerndienst erhalten.