Este tutorial fornece informações sobre como configurar e importar uma receita empacotada usando o exemplo de Vendas de Varejo fornecido. Até o final deste tutorial, você estará pronto para criar, treinar e avaliar um Modelo no Adobe Experience Platform Data Science Workspace.
Este tutorial requer uma fórmula empacotada na forma de um URL de imagem do Docker. Consulte o tutorial sobre como agrupar arquivos de origem em uma Receita para obter mais informações.
A importação de uma fórmula empacotada para Data Science Workspace requer configurações de fórmula específicas, compiladas em um único arquivo JSON (JavaScript Object Notation), essa compilação de configurações de fórmula é chamada de arquivo de configuração. Uma fórmula embalada com um conjunto específico de configurações é chamada de instância da receita. Uma fórmula pode ser usada para criar várias instâncias de fórmula em Data Science Workspace.
O fluxo de trabalho para importar uma fórmula de pacote consiste nas seguintes etapas:
Cada instância da receita em Data Science Workspace é acompanhada de um conjunto de configurações que adaptam a instância da receita para atender a um caso de uso específico. Os arquivos de configuração definem os comportamentos padrão de treinamento e pontuação de um Modelo criado usando essa instância da fórmula.
Os arquivos de configuração são específicos para cada fórmula e maiúsculas e minúsculas.
Abaixo está um exemplo de arquivo de configuração mostrando os comportamentos padrão de treinamento e pontuação para a receita de vendas de varejo.
[
{
"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}"
}
]
}
]
Tecla Parameter | Tipo | Descrição |
---|---|---|
learning_rate |
Número | Escalar para multiplicação de gradiente. |
n_estimators |
Número | Número de árvores na floresta para Classificador Random Forest. |
max_depth |
Número | Profundidade máxima de uma árvore no Classificador Random Forest. |
ACP_DSW_INPUT_FEATURES |
String | Lista de atributos de schema de entrada separados por vírgulas. |
ACP_DSW_TARGET_FEATURES |
String | Lista de atributos de schema de saída separados por vírgulas. |
ACP_DSW_FEATURE_UPDATE_SUPPORT |
Booleano | Determina se os recursos de entrada e saída são modificáveis |
tenantId |
String | Essa ID garante que os recursos criados sejam devidamente nomeados e estejam contidos em sua Organização IMS. Siga as etapas aqui para localizar sua ID de locatário. |
ACP_DSW_TRAINING_XDM_SCHEMA |
String | O schema de entrada usado para treinar um Modelo. Deixe isso vazio ao importar na interface do usuário, substitua por SchemaID de treinamento ao importar usando a API. |
evaluation.labelColumn |
String | Rótulo de coluna para visualizações de avaliação. |
evaluation.metrics |
String | Lista separada por vírgulas de métricas de avaliação a serem usadas para avaliar um Modelo. |
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA |
String | O schema de saída usado para marcar um Modelo. Deixe isso vazio ao importar na interface do usuário, substitua por SchemaID de pontuação ao importar usando a API. |
Para a finalidade deste tutorial, você pode deixar os arquivos de configuração padrão para a receita de Vendas de varejo na Data Science Workspace Referência da forma como eles são.
Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.
A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Digite um nome e uma descrição para a fórmula e selecione Próximo no canto superior direito.
No Package source files to a Recipe tutorial (Encapsulamento de arquivos de origem em um tutorial de Recipe), um URL de Docker foi fornecido no final da criação da receita de vendas de varejo usando arquivos de origem Python.
Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando arquivos Python de origem no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/python/retail/retail.config.json
. Selecione Python na lista suspensa Tempo de execução e Classificação na lista suspensa Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.
O tipo suporta Classificação e Regressão. Se o modelo não se enquadrar em um desses tipos, selecione Personalizado.
Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .
Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.
Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.
Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.
Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.
A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Digite um nome e uma descrição para a fórmula e selecione Próximo no canto superior direito.
No Package source files to a Recipe tutorial (Arquivos de origem do pacote), um URL do Docker foi fornecido no final da criação da receita de vendas de varejo usando arquivos de origem R.
Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem R no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json
. Selecione R no menu suspenso Tempo de execução e Classificação no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.
O tipo suporta Classificação e Regressão. Se o modelo não se enquadrar em um desses tipos, selecione Personalizado.
Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .
Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova receita configurada.
Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.
Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.
Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.
A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Insira um nome e uma descrição para a receita e selecione Próximo no canto superior direito para prosseguir.
No Package source files to a Recipe tutorial (Arquivos de origem do pacote), um URL de Docker foi fornecido no final da criação da receita de vendas de varejo usando arquivos de origem PySpark.
Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem do PySpark no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json
. Selecione PySpark no menu suspenso Runtime . Depois que o tempo de execução PySpark é selecionado, o artefato padrão é preenchido automaticamente para o Docker. Em seguida, selecione Classificação no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.
O tipo suporta Classificação e Regressão. Se o modelo não se enquadrar em um desses tipos, selecione Personalizado.
Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .
Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.
Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.
Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.
Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.
A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Insira um nome e uma descrição para a receita e selecione Próximo no canto superior direito para prosseguir.
No Package source files to a Recipe tutorial (Encapsulamento de arquivos de origem em um tutorial de Receita), um URL de Docker foi fornecido no final da criação da receita de Vendas de Varejo usando arquivos de origem Scala (Spark).
Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem do Scala no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json
. Selecione Spark no menu suspenso Runtime . Depois que o tempo de execução é selecionado, o artefato padrão é preenchido automaticamente para o Spark Docker . Em seguida, selecione Regressão no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.
O tipo suporta Classificação e Regressão. Se o modelo não se enquadrar em um desses tipos, selecione Personalizado.
Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .
Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina "semanalSales" como o recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.
Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.
Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.
Este tutorial forneceu informações sobre como configurar e importar uma receita para Data Science Workspace. Agora você pode criar, treinar e avaliar um Modelo usando a fórmula recém-criada.