Importare una ricetta confezionata nell’interfaccia utente di Data Science Workspace

Questa esercitazione fornisce informazioni su come configurare e importare una ricetta in pacchetto utilizzando l'esempio di vendita al dettaglio fornito. Al termine di questa esercitazione, sarai in grado di creare, addestrare e valutare un modello in Adobe Experience Platform Data Science Workspace.

Prerequisiti

Questa esercitazione richiede una ricetta confezionata sotto forma di URL immagine Docker. Per ulteriori informazioni, consulta l’esercitazione su come creare un pacchetto di file di origine in una composizione .

Flusso di lavoro dell’interfaccia

L'importazione di una ricetta in pacchetto in Data Science Workspace richiede configurazioni specifiche di ricetta, compilate in un singolo file JavaScript Object Notation (JSON), questa compilazione di configurazioni di ricette è definita file di configurazione. Una ricetta confezionata con un particolare insieme di configurazioni è definita un'istanza di ricetta. Una ricetta può essere utilizzata per creare molte istanze di ricette in Data Science Workspace.

Il flusso di lavoro per l’importazione di una ricetta di pacchetto è costituito dai seguenti passaggi:

Configura una ricetta

Ogni istanza di ricetta in Data Science Workspace è accompagnata da una serie di configurazioni che adattano l'istanza di ricetta a un particolare caso d'uso. I file di configurazione definiscono i comportamenti di formazione e valutazione predefiniti di un modello creato utilizzando questa istanza di ricetta.

NOTA

I file di configurazione sono specifici per ricetta e caso.

Di seguito è riportato un esempio di file di configurazione che mostra i comportamenti di formazione e valutazione predefiniti per la ricetta Vendite al dettaglio.

[
    {
        "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}"
            }
        ]
    }
]
Chiave parametro Tipo Descrizione
learning_rate Numero Scalare per la moltiplicazione del gradiente.
n_estimators Numero Numero di alberi nella foresta per Classificatore Foresta casuale.
max_depth Numero Profondità massima di un albero nel classificatore Foresta casuale.
ACP_DSW_INPUT_FEATURES Stringa Elenco degli attributi dello schema di input separati da virgole.
ACP_DSW_TARGET_FEATURES Stringa Elenco degli attributi dello schema di output separati da virgole.
ACP_DSW_FEATURE_UPDATE_SUPPORT Booleano Determina se le funzioni di input e output sono modificabili
tenantId Stringa Questo ID assicura che le risorse create siano spuntate correttamente e contenute all’interno dell’organizzazione IMS. Segui i passaggi per trovare l’ID tenant.
ACP_DSW_TRAINING_XDM_SCHEMA Stringa Lo schema di input utilizzato per la formazione di un modello. Lascia vuoto questo campo durante l’importazione nell’interfaccia utente, sostituisci con ID schema di formazione durante l’importazione tramite API.
evaluation.labelColumn Stringa Etichetta colonna per le visualizzazioni di valutazione.
evaluation.metrics Stringa Elenco separato da virgole delle metriche di valutazione da utilizzare per la valutazione di un modello.
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA Stringa Lo schema di output utilizzato per il punteggio di un modello. Lascia vuoto questo campo durante l’importazione nell’interfaccia utente, sostituiscilo con il punteggio SchemaID durante l’importazione tramite API.

Ai fini di questa esercitazione, puoi lasciare i file di configurazione predefiniti per la ricetta Vendite al dettaglio in Data Science Workspace Riferimento nel modo in cui sono.

Ricetta basata su Docker di importazione - Python

Per iniziare, vai e seleziona Workflows in alto a sinistra nell’ interfaccia utente di Platform . Quindi, seleziona Ricetta importazione e seleziona Launch.

Viene visualizzata la pagina Configura per il flusso di lavoro Ricetta importazione . Inserisci un nome e una descrizione per la ricetta, quindi seleziona Next nell’angolo in alto a destra.

configurare il flusso di lavoro

NOTA

Nel Crea un pacchetto di file di origine in un tutorial Recipe, al termine della creazione della ricetta di vendita al dettaglio tramite i file di origine Python è stato fornito un URL Docker.

Una volta nella pagina Seleziona origine, incolla l'URL Docker corrispondente alla composizione del pacchetto generato utilizzando i file di origine Python nel campo Source URL . Quindi, importa il file di configurazione fornito trascinandolo e rilasciandolo oppure utilizza il file system Browser. Il file di configurazione fornito si trova in experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Seleziona Python nel menu a discesa Runtime e Classification nel menu a discesa Tipo . Una volta compilato tutto, seleziona Next nell’angolo in alto a destra per passare a Gestisci schemi.

NOTA

Il tipo supporta Classification e Regression. Se il modello non rientra in uno di questi tipi, selezionare Custom.

Quindi, seleziona gli schemi di input e output di vendita al dettaglio nella sezione Gestisci schemi, sono stati creati utilizzando lo script di avvio fornito nell'esercitazione creare lo schema di vendita al dettaglio e il set di dati.

Nella sezione Gestione funzioni, seleziona l’identificazione del tenant nel visualizzatore schema per espandere lo schema di input Vendite al dettaglio. Seleziona le funzioni di input e output evidenziando la funzione desiderata e seleziona Input Feature o Target Feature nella finestra Field Properties a destra. Ai fini di questa esercitazione, imposta weeklySales come Target Feature e tutto il resto come Input Feature. Seleziona Next per rivedere la tua nuova ricetta configurata.

Esamina la ricetta, aggiungi, modifica o rimuovi le configurazioni in base alle necessità. Seleziona Finish per creare la ricetta.

Procedi ai passaggi successivi per scoprire come creare un modello in Data Science Workspace utilizzando la ricetta vendite al dettaglio appena creata.

Ricetta basata su Docker di importazione - R

Per iniziare, vai e seleziona Workflows in alto a sinistra nell’ interfaccia utente di Platform . Quindi, seleziona Ricetta importazione e seleziona Launch.

Viene visualizzata la pagina Configura per il flusso di lavoro Ricetta importazione . Inserisci un nome e una descrizione per la ricetta, quindi seleziona Next nell’angolo in alto a destra.

configurare il flusso di lavoro

NOTA

Nel Crea un pacchetto di file di origine in un tutorial Recipe , al termine della creazione della ricetta Vendite al dettaglio utilizzando i file di origine R è stato fornito un URL Docker.

Una volta nella pagina Seleziona origine, incolla l'URL Docker corrispondente alla composizione del pacchetto generato utilizzando i file di origine R nel campo Source URL . Quindi, importa il file di configurazione fornito trascinandolo e rilasciandolo oppure utilizza il file system Browser. Il file di configurazione fornito si trova in experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Seleziona R nel menu a discesa Runtime e Classification nel menu a discesa Tipo . Una volta compilato tutto, seleziona Next nell’angolo in alto a destra per passare a Gestisci schemi.

NOTA

Typesupport Classification​e Regression. Se il modello non rientra in uno di questi tipi, selezionare​Custom**.

Quindi, seleziona gli schemi di input e output di vendita al dettaglio nella sezione Gestisci schemi, sono stati creati utilizzando lo script di avvio fornito nell'esercitazione creare lo schema di vendita al dettaglio e il set di dati.

Nella sezione Gestione funzioni, seleziona l’identificazione del tenant nel visualizzatore schema per espandere lo schema di input Vendite al dettaglio. Seleziona le funzioni di input e output evidenziando la funzione desiderata e seleziona Input Feature o Target Feature nella finestra Field Properties a destra. Ai fini di questa esercitazione, imposta weeklySales come Target Feature e tutto il resto come Input Feature. Seleziona Next per rivedere la tua nuova ricetta configurata.

Esamina la ricetta, aggiungi, modifica o rimuovi le configurazioni in base alle necessità. Seleziona Fine per creare la ricetta.

Procedi ai passaggi successivi per scoprire come creare un modello in Data Science Workspace utilizzando la ricetta vendite al dettaglio appena creata.

Ricetta basata su Docker di importazione - PySpark

Per iniziare, vai e seleziona Workflows in alto a sinistra nell’ interfaccia utente di Platform . Quindi, seleziona Ricetta importazione e seleziona Launch.

Viene visualizzata la pagina Configura per il flusso di lavoro Ricetta importazione . Inserisci un nome e una descrizione per la ricetta, quindi seleziona Next nell’angolo in alto a destra per proseguire.

configurare il flusso di lavoro

NOTA

Nel Crea un pacchetto di file di origine in un tutorial Recipe , al termine della creazione della ricetta di vendita al dettaglio tramite i file di origine PySpark è stato fornito un URL Docker.

Una volta nella pagina Seleziona origine, incolla l'URL Docker corrispondente alla ricetta in pacchetto creata utilizzando i file di origine PySpark nel campo Source URL . Quindi, importa il file di configurazione fornito trascinandolo e rilasciandolo oppure utilizza il file system Browser. Il file di configurazione fornito si trova in experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Seleziona PySpark nel menu a discesa Runtime . Una volta selezionato il runtime PySpark, l’artefatto predefinito si popola automaticamente su Docker. Quindi, seleziona Classification nel menu a discesa Tipo . Una volta compilato tutto, seleziona Next nell’angolo in alto a destra per passare a Gestisci schemi.

NOTA

Typesupport Classification​e Regression. Se il modello non rientra in uno di questi tipi, selezionare​Custom**.

Quindi, seleziona gli schemi di input e output di vendita al dettaglio utilizzando il selettore Gestisci schemi, gli schemi sono stati creati utilizzando lo script di avvio fornito nell'esercitazione creare lo schema di vendita al dettaglio e il set di dati.

gestire gli schemi

Nella sezione Gestione funzioni, seleziona l’identificazione del tenant nel visualizzatore schema per espandere lo schema di input Vendite al dettaglio. Seleziona le funzioni di input e output evidenziando la funzione desiderata e seleziona Input Feature o Target Feature nella finestra Field Properties a destra. Ai fini di questa esercitazione, imposta weeklySales come Target Feature e tutto il resto come Input Feature. Seleziona Next per rivedere la tua nuova ricetta configurata.

Esamina la ricetta, aggiungi, modifica o rimuovi le configurazioni in base alle necessità. Seleziona Finish per creare la ricetta.

Procedi ai passaggi successivi per scoprire come creare un modello in Data Science Workspace utilizzando la ricetta vendite al dettaglio appena creata.

Ricetta basata su Docker di importazione - Scala

Per iniziare, vai e seleziona Workflows in alto a sinistra nell’ interfaccia utente di Platform . Quindi, seleziona Ricetta importazione e seleziona Launch.

Viene visualizzata la pagina Configura per il flusso di lavoro Ricetta importazione . Inserisci un nome e una descrizione per la ricetta, quindi seleziona Next nell’angolo in alto a destra per proseguire.

configurare il flusso di lavoro

NOTA

Nel Crea un pacchetto di file di origine in un tutorial Recipe, al termine della creazione della ricetta di vendita al dettaglio tramite file di origine Scala (Spark) è stato fornito un URL Docker.

Una volta nella pagina Seleziona origine, incolla l'URL Docker corrispondente alla composizione del pacchetto generato utilizzando i file di origine Scala nel campo URL sorgente. Quindi, importare il file di configurazione fornito trascinandolo e rilasciandolo oppure utilizzare il browser del file system. Il file di configurazione fornito si trova in experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Seleziona Spark nel menu a discesa Runtime . Una volta che il runtime Spark è selezionato, l’artefatto predefinito si popola automaticamente su Docker. Quindi, seleziona Regression dal menu a discesa Tipo . Una volta compilato tutto, seleziona Next nell’angolo in alto a destra per passare a Gestisci schemi.

NOTA

Il tipo supporta Classification e Regression. Se il modello non rientra in uno di questi tipi, selezionare Custom.

Quindi, seleziona gli schemi di input e output di vendita al dettaglio utilizzando il selettore Gestisci schemi, gli schemi sono stati creati utilizzando lo script di avvio fornito nell'esercitazione creare lo schema di vendita al dettaglio e il set di dati.

gestire gli schemi

Nella sezione Gestione funzioni, seleziona l’identificazione del tenant nel visualizzatore schema per espandere lo schema di input Vendite al dettaglio. Seleziona le funzioni di input e output evidenziando la funzione desiderata e seleziona Input Feature o Target Feature nella finestra Field Properties a destra. Ai fini di questa esercitazione, imposta "weeklySales" come Target Feature e tutto il resto come Input Feature. Seleziona Next per rivedere la tua nuova ricetta configurata.

Esamina la ricetta, aggiungi, modifica o rimuovi le configurazioni in base alle necessità. Seleziona Finish per creare la ricetta.

Procedi ai passaggi successivi per scoprire come creare un modello in Data Science Workspace utilizzando la ricetta vendite al dettaglio appena creata.

Passaggi successivi

Questa esercitazione ha fornito informazioni sulla configurazione e l'importazione di una ricetta in Data Science Workspace. È ora possibile creare, addestrare e valutare un modello utilizzando la ricetta appena creata.

In questa pagina

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now