Gepacktes Rezept importieren (Benutzeroberfläche)

Dieses Tutorial bietet Einblicke in das Konfigurieren und Importieren eines gepackten Rezepts mit dem bereitgestellten Beispiel für Einzelhandelsumsätze. By the end of this tutorial, you will be ready to create, train, and evaluate a Model in Adobe Experience Platform Data Science Workspace.

Voraussetzungen

Dieses Lernprogramm erfordert ein gepacktes Rezept in Form einer Docker-Bild-URL. Weiterführende Informationen finden Sie im Tutorial zum Verpacken von Quelldateien in einem Rezept.

Workflow in der Benutzeroberfläche

Importing a packaged recipe into Data Science Workspace requires specific recipe configurations, compiled into a single JavaScript Object Notation (JSON) file, this compilation of recipe configurations is referred to as the configuration file. Ein gepacktes Rezept mit einem bestimmten Satz von Konfigurationen wird als Rezeptinstanz bezeichnet. One recipe can be used to create many recipe instances in Data Science Workspace.

Der Workflow zum Importieren eines gepackten Rezepts umfasst folgende Schritte:

Rezept konfigurieren

Every recipe instance in Data Science Workspace is accompanied with a set of configurations that tailor the recipe instance to suit a particular use case. Konfigurationsdateien definieren das standardmäßige Trainings- und Scoring-Verhalten eines mit dieser Rezeptinstanz erstellten Modells.

HINWEIS

Konfigurationsdateien sind rezept- und fallspezifisch.

Im Folgenden finden Sie eine Beispielkonfigurationsdatei mit standardmäßigem Trainings- und Scoring-Verhalten für das Rezept „Einzelhandelsumsätze“.

[
    {
        "name": "train",
        "parameters": [
            {
                "key": "learning_rate",
                "value": "0.1"  
            },
            {
                "key": "n_estimators",
                "value": "100"
            },
            {
                "key": "max_depth",
                "value": "3"
            },
            {
                "key": "ACP_DSW_INPUT_FEATURES",
                "value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
            },
            {
                "key": "ACP_DSW_TARGET_FEATURES",
                "value": "weeklySales"
            },
            {
                "key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
                "value": false
            },
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key": "ACP_DSW_TRAINING_XDM_SCHEMA",
                "value": "{SEE BELOW FOR DETAILS}"
            },
            {
                "key": "evaluation.labelColumn",
                "value": "weeklySalesAhead"
            },
            {
                "key": "evaluation.metrics",
                "value": "MAPE,MAE,RMSE,MASE"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
                "value":"{SEE BELOW FOR DETAILS}"
            }
        ]
    }
]
Parameterschlüssel Typ Beschreibung
learning_rate Zahl Skalar für graduelle Multiplikation.
n_estimators Zahl Zahl der Bäume im Wald für Random Forest Classifier.
max_depth Zahl Maximale Tiefe eines Baums in Random Forest Classifier.
ACP_DSW_INPUT_FEATURES Zeichenfolge Liste mit kommagetrennten Eingabeschemaattributen.
ACP_DSW_TARGET_FEATURES Zeichenfolge Liste mit kommagetrennten Ausgabeschemaattributen.
ACP_DSW_FEATURE_UPDATE_SUPPORT Boolesch Legt fest, ob Eingabe- und Ausgabefunktionen geändert werden können.
tenantId Zeichenfolge Diese Kennung stellt sicher, dass die von Ihnen erstellten Ressourcen den richtigen Namespace erhalten und in Ihrer IMS-Organisation enthalten sind. Gehen Sie wie folgt vor, um Ihre Mandantenkennung zu suchen.
ACP_DSW_TRAINING_XDM_SCHEMA Zeichenfolge Das zum Trainieren eines Modells verwendete Eingabeschema. Lassen Sie es beim Importieren in der Benutzeroberfläche leer; ersetzen Sie es beim Importieren mit der API durch die Trainings-SchemaID.
evaluation.labelColumn Zeichenfolge Spaltenbezeichnung für Bewertungsvisualisierungen.
evaluation.metrics Zeichenfolge Kommagetrennte Liste mit Bewertungsmetriken, die zur Bewertung eines Modells verwendet werden.
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA Zeichenfolge Das zum Scoring eines Modells verwendete Ausgabeschema. Lassen Sie es beim Importieren in der Benutzeroberfläche leer; ersetzen Sie es beim Importieren mit der API durch die Scoring-SchemaID.

For the purpose of this tutorial, you can leave the default configuration files for Retail Sales recipe in the Data Science Workspace Reference the way they are.

Import Docker based recipe - Python

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und klicken Sie auf Starten.

Die Seite " Konfigurieren "für den Arbeitsablauf für Skriptdateien wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann in der oberen rechten Ecke die Option Weiter .

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in einem Rezept verpacken wurde nach der Erstellung des Rezepts für Einzelhandelsumsätze mit Python-Quelldateien eine Docker-URL bereitgestellt.

Sobald Sie sich auf der Seite "Quelle ​auswählen"befinden, fügen Sie die Docker-URL entsprechend dem mit Python Quelldateien erstellten gepackten Rezept in das Feld Quell-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Wählen Sie Python in der Dropdown-Liste Laufzeit und Klassifizierung in der Dropdown-Liste Typ . Klicken Sie nach dem Ausfüllen auf Weiter oben rechts, um mit "Schema verwalten"fortzufahren.

HINWEIS

Typ unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Next, select the Retail Sales input and output schemas under the section Manage Schemas, they were created using the provided bootstrap script in the create the retail sales schema and dataset tutorial.

Under the Feature Management section, click on your tenant identification in the schema viewer to expand the Retail Sales input schema. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Klicken Sie auf Weiter, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Klicken Sie auf Beenden, um das Rezept zu erstellen.

Proceed to the next steps to find out how to create a Model in Data Science Workspace using the newly created Retail Sales recipe.

Docker-basiertes Rezept importieren – R

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und klicken Sie auf Starten.

Die Seite " Konfigurieren "für den Arbeitsablauf für Skriptdateien wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann in der oberen rechten Ecke die Option Weiter .

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in einem Rezept verpacken wurde nach der Erstellung des Rezepts für Einzelhandelsumsätze mit R-Quelldateien eine Docker-URL bereitgestellt.

Sobald Sie sich auf der Seite "Quelle ​auswählen"befinden, fügen Sie die Docker-URL entsprechend dem mit R-Quelldateien erstellten gepackten Rezept in das Feld Quell-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Wählen Sie R in der Dropdownliste Laufzeit und Classification in der Dropdownliste Typ . Klicken Sie nach dem Ausfüllen auf Weiter oben rechts, um mit "Schema verwalten"fortzufahren.

HINWEIS

Typ unterstützt Classification und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Next, select the Retail Sales input and output schemas under the section Manage Schemas, they were created using the provided bootstrap script in the create the retail sales schema and dataset tutorial.

Under the Feature Management section, click on your tenant identification in the schema viewer to expand the Retail Sales input schema. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Click Next to review your new Configured recipe.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Klicken Sie auf Beenden, um das Rezept zu erstellen.

Proceed to the next steps to find out how to create a Model in Data Science Workspace using the newly created Retail Sales recipe.

Import Docker based recipe - PySpark

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und klicken Sie auf Starten.

Die Seite " Konfigurieren "für den Arbeitsablauf für Skriptdateien wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann in der oberen rechten Ecke die Option Weiter , um fortzufahren.

Arbeitsablauf konfigurieren

HINWEIS

In the Package source files into a Recipe tutorial, a Docker URL was provided at the end of building the Retail Sales recipe using PySpark source files.

Sobald Sie sich auf der Seite "Quelle ​auswählen"befinden, fügen Sie die Docker-URL entsprechend dem mit PySpark-Quelldateien erstellten gepackten Rezept in das Feld Quell-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Wählen Sie PySpark in der Dropdown-Liste Laufzeit . Sobald die PySpark-Laufzeit ausgewählt ist, wird das standardmäßige Artefakt automatisch in Docker eingetragen. Wählen Sie anschließend Klassifizierung in der Dropdown-Liste Typ . Klicken Sie nach dem Ausfüllen auf Weiter oben rechts, um mit "Schema verwalten"fortzufahren.

HINWEIS

Typ unterstützt Classification und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Next, select the Retail Sales input and output schemas under the section Manage Schemas, they were created using the provided bootstrap script in the create the retail sales schema and dataset tutorial.

Under the Feature Management section, click on your tenant identification in the schema viewer to expand the Retail Sales input schema. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Klicken Sie auf Weiter, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Klicken Sie auf Beenden, um das Rezept zu erstellen.

Proceed to the next steps to find out how to create a Model in Data Science Workspace using the newly created Retail Sales recipe.

Import Docker based recipe - Scala

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und klicken Sie auf Starten.

Die Seite " Konfigurieren "für den Arbeitsablauf für Skriptdateien wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann in der oberen rechten Ecke die Option Weiter , um fortzufahren.

Arbeitsablauf konfigurieren

HINWEIS

In the Package source files into a Recipe tutorial, a Docker URL was provided at the end of building the Retail Sales recipe using Scala (Spark) source files.

Sobald Sie sich auf der Seite "Quelle ​auswählen"befinden, fügen Sie die Docker-URL entsprechend dem mit Scala-Quelldateien erstellten gepackten Rezept in das Feld "Quell-URL"ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Wählen Sie Spark in der Dropdown-Liste Laufzeit . Nach Auswahl der Spark Laufzeitumgebung wird das standardmäßige Artefakt automatisch mit Docker gefüllt. Wählen Sie dann Regression aus der Dropdownliste Typ . Klicken Sie nach dem Ausfüllen auf Weiter oben rechts, um mit "Schema verwalten"fortzufahren.

HINWEIS

Typ unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Next, select the Retail Sales input and output schemas under the section Manage Schemas, they were created using the provided bootstrap script in the create the retail sales schema and dataset tutorial.

Under the Feature Management section, click on your tenant identification in the schema viewer to expand the Retail Sales input schema. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. For the purpose of this tutorial, set "weeklySales" as the Target Feature and everything else as Input Feature. Klicken Sie auf Weiter, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Klicken Sie auf Beenden, um das Rezept zu erstellen.

Proceed to the next steps to find out how to create a Model in Data Science Workspace using the newly created Retail Sales recipe.

Nächste Schritte

This tutorial provided insight on configuring and importing a recipe into Data Science Workspace. Jetzt können Sie mit dem neu erstellten Rezept ein Modell erstellen, trainieren und bewerten.

Auf dieser Seite