Criar os esquemas e conjuntos de dados do modelo de propensão do Luma

Este tutorial fornece os pré-requisitos e os ativos necessários para todos os outros Adobe Experience Platform Data Science Workspace tutoriais. Após a conclusão, os esquemas e conjuntos de dados a seguir estarão disponíveis para você e sua organização IMS.

Esquemas:

  • Schema de dados da Web Luma
  • Schema de resultados de pontuação do modelo de propensão

Conjuntos de dados:

  • Conjunto de dados da Web Luma
  • Conjunto de dados de treinamento do modelo de propensão
  • Conjunto de dados de pontuação do modelo de propensão
  • Conjunto de dados de resultados de pontuação do modelo de propensão

Baixar os ativos

O tutorial a seguir usa um modelo personalizado de propensão de compra de Luma. Antes de continuar, baixar os ativos necessários pasta zip. Esta pasta contém:

  • O notebook modelo de propensão de compra
  • Um notebook usado para assimilar dados para um conjunto de dados de treinamento e pontuação (um subconjunto dos dados da Web Luma)
  • Um arquivo JSON de demonstração com os dados da Web de 730.000 usuários do Luma
  • Um notebook Python 3 EDA (análise de dados exploratórios) opcional que pode ser usado para ajudar a entender os dados e o modelo da Web.
OBSERVAÇÃO

Você pode usar seu próprio esquema e dados para qualquer um dos tutoriais. No entanto, o modelo de demonstração fornecido nos ativos não funciona, a menos que tenha fornecido os arquivos de configuração e o arquivo de requisitos adequados. Este modelo de propensão de demonstração foi projetado para funcionar com dados da Web Luma.

Crie o schema de dados da Web Luma e assimile os dados

Para criar um modelo, você deve ter um conjunto de dados na Platform que é usado para treinar e pontuar seu modelo. O seguinte tutorial em vídeo do Curso da Data Science Workspace O orienta a criar o schema Luma e assimilar os dados usados pelo modelo de propensão de compra.

Criar conjuntos de dados de treinamento, pontuação e resultados de pontuação

Para executar o notebook do construtor de receitas ou usar a API para treinar e pontuar um modelo, é necessário especificar os conjuntos de dados e os esquemas usados para treinamento/pontuação. O tutorial em vídeo a seguir orienta você na configuração dos conjuntos de dados de treinamento, pontuação e resultados de pontuação, bem como no esquema de resultados de pontuação usado no modelo de propensão de compra do Luma.

Próximas etapas

Ao seguir este tutorial, você criou com sucesso os esquemas e conjuntos de dados necessários para o modelo de propensão do Luma. Agora você está pronto para continuar para o próximo tutorial e criar o modelo usando o notebook do construtor de receitas tutorial.

Além disso, você pode explorar os dados usando o notebook EDA (Exploratory Data Analysis) fornecido. Este notebook pode ser usado para ajudar a entender os padrões nos dados do Luma, verificar a integridade dos dados e resumir os dados relevantes do modelo de propensão preditiva. Para saber mais sobre a Análise de dados exploratória, visite o Documentação EDA.

Nesta página