Luma 傾向モデルのスキーマとデータセットの作成

このチュートリアルでは、その他すべてに必要な前提条件とアセットについて説明します Adobe Experience Platform Data Science Workspace チュートリアル 完了したら、次のスキーマとデータセットを IMS 組織と共に使用できるようになります。

スキーマ:

  • Luma Web データスキーマ
  • 傾向モデルのスコアリング結果のスキーマ

データセット:

  • Luma Web データセット
  • 傾向モデルのトレーニングデータセット
  • 傾向モデルのスコアリングデータセット
  • 傾向モデルのスコアリング結果のデータセット

アセットのダウンロード

次のチュートリアルでは、カスタム Luma 購入傾向モデルを使用します。 先に進む前に 必要なアセットのダウンロード zip フォルダー。 このフォルダーには次が含まれます。

  • 購入傾向モデルノートブック
  • データをトレーニングおよびスコアリングデータセットに取り込むために使用されるノートブック（Luma Web データのサブセット）
  • 730,000 人の Luma ユーザーの Web データを含むデモ JSON ファイル
  • Web データとモデルの理解に役立つ、オプションの Python 3 EDA（探索的データ分析）ノートブック。
メモ

任意のチュートリアルで、独自のスキーマとデータを使用できます。 ただし、アセットで提供されているデモモデルは、適切な設定ファイルと要件ファイルが提供されていない限り、機能しません。 このデモ傾向モデルは、Luma Web データを操作するように設計されています。

Luma Web データスキーマの作成とデータの取り込み

モデルを作成するには、モデルのトレーニングとスコアリングに使用される Platform のデータセットが必要です。 次の Data Science Workspace コース では、Luma スキーマの作成、および購入傾向モデルで使用されるデータの取り込みに関する手順を説明します。

トレーニング、スコアリングおよびスコアリング結果のデータセットの作成

Recipe Builder ノートブックを実行するか、API を使用してモデルをトレーニングおよびスコアリングするには、トレーニング/スコアリングに使用するデータセットとスキーマを指定する必要があります。 次のビデオチュートリアルでは、トレーニング、スコアリング、スコアリングの結果のデータセット、および Luma 購入傾向モデルで使用するスコアリング結果スキーマの設定手順を説明します。

次の手順

このチュートリアルでは、Luma 傾向モデルに必要なスキーマとデータセットを正常に作成しました。 これで、次のチュートリアルに進み、を使用してモデルを作成する準備が整いました。 recipe builder ノートブック チュートリアル

さらに、提供された Exploratory Data Analysis(EDA) ノートブックを使用して、データを調査できます。 このノートブックは、Luma データのパターンを理解し、データの整合性を確認し、予測傾向モデルに関連するデータを要約するのに役立ちます。 Exploratory Data Analysis の詳細については、 EDA ドキュメント.

このページ