Importare una composizione in pacchetti nell’interfaccia utente di Data Science Workspace

Questo tutorial fornisce informazioni su come configurare e importare una composizione in pacchetti utilizzando l’esempio di vendita al dettaglio fornito. Al termine di questa esercitazione, sarai pronto per creare, addestrare e valutare un modello in Adobe Experience Platform Data Science Workspace.

Prerequisiti

Questo tutorial richiede una formula in pacchetti sotto forma di URL di un’immagine Docker. Guarda il tutorial su come Creare pacchetti di file di origine in una ricetta per ulteriori informazioni.

Flusso di lavoro dell'interfaccia utente

Importazione di una composizione in pacchetti Data Science Workspace richiede configurazioni di ricetta specifiche, compilate in un singolo file JavaScript Object Notation (JSON); questa compilazione di configurazioni di ricetta è definita file di configurazione. Una ricetta confezionata con un particolare set di configurazioni è indicata come istanza di ricetta. Una ricetta può essere utilizzata per creare più istanze di ricetta in Data Science Workspace.

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

Configurare una ricetta configure

Ogni istanza di ricetta in Data Science Workspace è accompagnato da una serie di configurazioni che adattano l’istanza della ricetta a un caso d’uso particolare. I file di configurazione definiscono i comportamenti predefiniti di apprendimento e punteggio di un modello creato utilizzando questa istanza di ricetta.

NOTE
I file di configurazione sono specifici per ricetta e caso.

Di seguito è riportato un file di configurazione di esempio che mostra i comportamenti predefiniti di formazione e punteggio per la ricetta di vendita 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 di attributi dello schema di input separati da virgole.
ACP_DSW_TARGET_FEATURES
Stringa
Elenco di 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 garantisce che le risorse create abbiano uno spazio dei nomi corretto e siano contenute all’interno dell’organizzazione. Segui questi passaggi per trovare il tuo ID tenant.
ACP_DSW_TRAINING_XDM_SCHEMA
Stringa
Schema di input utilizzato per l’apprendimento di un modello. Lascia vuoto questo campo durante l’importazione nell’interfaccia utente, sostituisci con ID schema di apprendimento durante l’importazione tramite API.
evaluation.labelColumn
Stringa
Etichetta di 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
Schema di output utilizzato per il punteggio di un modello. Lascia vuoto questo campo durante l’importazione nell’interfaccia utente, sostituisci con SchemaID con punteggio 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 Fai riferimento al modo in cui sono.

Importa ricetta basata su Docker - Python python

Per iniziare, seleziona e naviga Flussi di lavoro si trova in alto a sinistra nella Platform UI. Quindi, seleziona Importa ricetta e seleziona Launch.

Il Configura pagina per Importa ricetta viene visualizzato workflow. Inserisci un nome e una descrizione per la ricetta, quindi seleziona Successivo in alto a destra.

configurare il flusso di lavoro

NOTE
In Creare pacchetti di file di origine in una ricetta esercitazione, un URL Docker veniva fornito al termine della creazione della ricetta di vendita al dettaglio utilizzando i file di origine Python.

Una volta che sei sul Seleziona origine , incolla l’URL Docker corrispondente alla composizione inserita creata utilizzando Python file di origine in URL di origine campo. Quindi, importa il file di configurazione fornito trascinandolo o utilizza il file system Browser. Il file di configurazione fornito è disponibile all'indirizzo experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Seleziona Python nel Runtime a discesa e Classificazione nel Tipo a discesa. Una volta compilato tutto, seleziona Successivo nell’angolo in alto a destra per procedere a Gestire gli schemi.

NOTE
Tipo supporta Classificazione e Regressione. Se il modello non rientra in uno di questi tipi, seleziona Personalizzato.

Quindi, seleziona gli schemi di input e output per la vendita al dettaglio nella sezione. Gestire gli schemi, sono state create utilizzando lo script di avvio fornito in creare lo schema e il set di dati di vendita al dettaglio esercitazione.

Sotto Gestione delle funzioni , seleziona l’identificazione del tenant nel visualizzatore di schema per espandere lo schema di input Retail Sales. Selezionare le funzioni di input e output evidenziando la funzione desiderata e selezionando Funzione di input o Funzione di destinazione a destra Proprietà campo finestra. Ai fini di questa esercitazione, imposta weeklySales come Funzione di destinazione e tutto il resto come Funzione di input. Seleziona Successivo per rivedere la nuova ricetta configurata.

Rivedi la ricetta, aggiungi, modifica o rimuovi le configurazioni come necessario. Seleziona Fine per creare la ricetta.

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

Importa ricetta basata su Docker - R r

Per iniziare, seleziona e naviga Flussi di lavoro si trova in alto a sinistra nella Platform UI. Quindi, seleziona Importa ricetta e seleziona Launch.

Il Configura pagina per Importa ricetta viene visualizzato workflow. Inserisci un nome e una descrizione per la ricetta, quindi seleziona Successivo in alto a destra.

configurare il flusso di lavoro

NOTE
In Creare pacchetti di file di origine in una ricetta Esercitazione, è stato fornito un URL Docker al termine della creazione della ricetta di vendita al dettaglio utilizzando i file di origine R.

Una volta che sei sul Seleziona origine , incolla l’URL Docker corrispondente alla composizione del pacchetto creata utilizzando i file di origine R in URL di origine campo. Quindi, importa il file di configurazione fornito trascinandolo o utilizza il file system Browser. Il file di configurazione fornito è disponibile all'indirizzo experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Seleziona R nel Runtime a discesa e Classificazione nel Tipo a discesa. Una volta compilato tutto, seleziona Successivo nell’angolo in alto a destra per procedere a Gestire gli schemi.

NOTE
Tipo supporta Classificazione e Regressione. Se il modello non rientra in uno di questi tipi, seleziona Personalizzato.

Quindi, seleziona gli schemi di input e output per la vendita al dettaglio nella sezione. Gestire gli schemi, sono state create utilizzando lo script di avvio fornito in creare lo schema e il set di dati di vendita al dettaglio esercitazione.

Sotto Gestione delle funzioni , seleziona l’identificazione del tenant nel visualizzatore di schema per espandere lo schema di input Retail Sales. Selezionare le funzioni di input e output evidenziando la funzione desiderata e selezionando Funzione di input o Funzione di destinazione a destra Proprietà campo finestra. Ai fini di questa esercitazione, imposta weeklySales come Funzione di destinazione e tutto il resto come Funzione di input. Seleziona Successivo per rivedere la nuova ricetta Configurata.

Rivedi la ricetta, aggiungi, modifica o rimuovi le configurazioni come necessario. Seleziona Fine per creare la ricetta.

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

Importa ricetta basata su Docker - PySpark pyspark

Per iniziare, seleziona e naviga Flussi di lavoro si trova in alto a sinistra nella Platform UI. Quindi, seleziona Importa ricetta e seleziona Launch.

Il Configura pagina per Importa ricetta viene visualizzato workflow. Inserisci un nome e una descrizione per la ricetta, quindi seleziona Successivo nell’angolo in alto a destra per procedere.

configurare il flusso di lavoro

NOTE
In Creare pacchetti di file di origine in una ricetta esercitazione, un URL Docker è stato fornito al termine della creazione della ricetta di vendita al dettaglio utilizzando i file di origine PySpark.

Una volta che sei sul Seleziona origine , incolla l’URL Docker corrispondente alla composizione inserita creata utilizzando i file sorgente PySpark in URL di origine campo. Quindi, importa il file di configurazione fornito trascinandolo o utilizza il file system Browser. Il file di configurazione fornito è disponibile all'indirizzo experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Seleziona PySpark nel Runtime a discesa. Una volta selezionata l’esecuzione di PySpark, l’artefatto predefinito si popola automaticamente in Docker. Quindi, seleziona Classificazione nel Tipo a discesa. Una volta compilato tutto, seleziona Successivo nell’angolo in alto a destra per procedere a Gestire gli schemi.

NOTE
Tipo supporta Classificazione e Regressione. Se il modello non rientra in uno di questi tipi, seleziona Personalizzato.

Quindi, seleziona gli schemi di input e output per la vendita al dettaglio utilizzando Gestire gli schemi , gli schemi sono stati creati utilizzando lo script di avvio fornito nel creare lo schema e il set di dati di vendita al dettaglio esercitazione.

gestire gli schemi

Sotto Gestione delle funzioni , seleziona l’identificazione del tenant nel visualizzatore di schema per espandere lo schema di input Retail Sales. Selezionare le funzioni di input e output evidenziando la funzione desiderata e selezionando Funzione di input o Funzione di destinazione a destra Proprietà campo finestra. Ai fini di questa esercitazione, imposta weeklySales come Funzione di destinazione e tutto il resto come Funzione di input. Seleziona Successivo per rivedere la nuova ricetta configurata.

Rivedi la ricetta, aggiungi, modifica o rimuovi le configurazioni come necessario. Seleziona Fine per creare la ricetta.

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

Importa ricetta basata su Docker - Scala scala

Per iniziare, seleziona e naviga Flussi di lavoro si trova in alto a sinistra nella Platform UI. Quindi, seleziona Importa ricetta e seleziona Launch.

Il Configura pagina per Importa ricetta viene visualizzato workflow. Inserisci un nome e una descrizione per la ricetta, quindi seleziona Successivo nell’angolo in alto a destra per procedere.

configurare il flusso di lavoro

NOTE
In Creare pacchetti di file di origine in una ricetta esercitazione, è stato fornito un URL Docker al termine della creazione della ricetta Vendite al dettaglio utilizzando Scala (Spark) file di origine.

Una volta che sei sul Seleziona origine , incolla l’URL Docker corrispondente alla composizione inserita creata utilizzando i file sorgente Scala nel campo URL sorgente. Quindi, importa il file di configurazione fornito trascinandolo e rilasciandolo oppure utilizza il browser del file system. Il file di configurazione fornito è disponibile all'indirizzo experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Seleziona Scintilla nel Runtime a discesa. Una volta Spark runtime è selezionato, l’artefatto predefinito viene automaticamente popolato in Docker. Quindi, seleziona Regressione dal Tipo a discesa. Una volta compilato tutto, seleziona Successivo nell’angolo in alto a destra per procedere a Gestire gli schemi.

NOTE
Tipo supporta Classificazione e Regressione. Se il modello non rientra in uno di questi tipi, seleziona Personalizzato.

Quindi, seleziona gli schemi di input e output per la vendita al dettaglio utilizzando Gestire gli schemi , gli schemi sono stati creati utilizzando lo script di avvio fornito nel creare lo schema e il set di dati di vendita al dettaglio esercitazione.

gestire gli schemi

Sotto Gestione delle funzioni , seleziona l’identificazione del tenant nel visualizzatore di schema per espandere lo schema di input Retail Sales. Selezionare le funzioni di input e output evidenziando la funzione desiderata e selezionando Funzione di input o Funzione di destinazione a destra Proprietà campo finestra. Ai fini di questa esercitazione, impostare "weeklySales" come Funzione di destinazione e tutto il resto come Funzione di input. Seleziona Successivo per rivedere la nuova ricetta configurata.

Rivedi la ricetta, aggiungi, modifica o rimuovi le configurazioni come necessario. Seleziona Fine per creare la ricetta.

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

Passaggi successivi next-steps

Questo tutorial fornisce informazioni approfondite sulla configurazione e l’importazione di una ricetta in Data Science Workspace. Ora puoi creare, addestrare e valutare un modello utilizzando la ricetta appena creata.

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9