Este tutorial le proporciona los requisitos previos y los recursos necesarios para el resto de Adobe Experience Platform Data Science Workspace tutoriales. Una vez finalizado, los siguientes esquemas y conjuntos de datos estarán disponibles para usted y su organización de IMS.
Esquemas:
Conjuntos de datos:
El siguiente tutorial utiliza un modelo de propensión de compra de Luma personalizado. Antes de continuar, descargar los recursos necesarios carpeta zip. Esta carpeta contiene:
Puede utilizar su propio esquema y datos para cualquiera de los tutoriales. Sin embargo, el modelo de demostración proporcionado en los recursos no funciona a menos que se proporcione el archivo de configuración y requisitos adecuado. Este modelo de propensión de demostración se ha diseñado para trabajar con datos web de Luma.
Para crear un modelo, debe tener un conjunto de datos en Platform que se utilice para entrenar y puntuar el modelo. El siguiente tutorial de vídeo de la sección Curso de Data Science Workspace lo acompaña durante la creación del esquema de Luma y la ingesta de los datos utilizados por el modelo de propensión de compra.
Para ejecutar el bloc de notas del generador de fórmulas o utilizar la API para entrenar y puntuar un modelo, debe especificar los conjuntos de datos y los esquemas que se utilizan para la formación/puntuación. El siguiente tutorial de vídeo le explica cómo configurar los conjuntos de datos de resultados de capacitación, puntuación y puntuación, así como el esquema de resultados de puntuación utilizado en el modelo de propensión de compra de Luma.
Al seguir este tutorial, ha creado correctamente los esquemas y conjuntos de datos necesarios para el modelo de propensión de Luma. Ya está listo para continuar con el siguiente tutorial y crear el modelo con el portátil del generador de fórmulas tutorial.
Además, puede explorar los datos mediante el bloc de notas de Análisis de datos exploratorios (EDA) que se proporciona. Este bloc de notas se puede utilizar para ayudar a comprender los patrones de los datos de Luma, comprobar la solidez de los datos y resumir los datos relevantes para el modelo de propensión predictiva. Para obtener más información sobre el análisis de datos exploratorios, visite Documentación de EDA.