Este tutorial fornece os pré-requisitos e os ativos necessários para todos os outros Adobe Experience Platform Data Science Workspace tutoriais. Uma vez concluídos, os seguintes esquemas e conjuntos de dados estarão disponíveis para você e sua organização.
Esquemas:
Conjuntos de dados:
O tutorial a seguir usa um modelo personalizado de propensão de compra da Luma. Antes de continuar, baixar os ativos necessários pasta zip. Esta pasta contém:
Você pode usar seu próprio esquema e dados para qualquer um dos tutoriais do. No entanto, o modelo de demonstração fornecido nos ativos não funciona a menos que ele forneça os arquivos de configuração e o arquivo de requisitos adequados. Esse modelo de propensão de demonstração foi projetado para funcionar com dados da Web do Luma.
Para criar um modelo, você deve ter um conjunto de dados na Platform, usado para treinar e pontuar seu modelo. O tutorial em vídeo a seguir do Curso do Data Science Workspace O orienta você na criação do esquema Luma e na assimilação dos dados usados pelo modelo de propensão de compra.
Para executar o bloco de anotações do construtor de fórmula ou usar a API para treinar e pontuar um modelo, é necessário especificar os conjuntos de dados e esquemas usados para treinamento/pontuação. O tutorial de vídeo a seguir orienta você na configuração dos conjuntos de dados de resultados de treinamento, pontuação e pontuação, bem como do esquema de resultados de pontuação usado no modelo de propensão de compra da Luma.
Ao seguir este tutorial, você criou os esquemas e conjuntos de dados necessários para o modelo de propensão Luma com sucesso. Agora você está pronto para prosseguir para o próximo tutorial e criar o modelo usando o bloco de anotações do construtor de fórmula tutorial.
Além disso, você pode explorar os dados usando o bloco de anotações de Análise de Dados Exploratórios (EDA) fornecido. Esse bloco de notas pode ser usado para ajudar a entender os padrões nos dados do Luma, verificar a integridade dos dados e resumir os dados relevantes para o modelo de propensão preditiva. Para saber mais sobre a Análise de Dados Exploratórios, visite o Documentação EDA.