Bewerten eines Modells (Benutzeroberfläche)

Scoring in Adobe Experience Platform Data Science Workspace can be achieved by feeding input data into an existing trained Model. Scoring-Ergebnisse werden dann als neuer Batch in einem angegebenen Ausgabedatensatz gespeichert und angezeigt.

This tutorial demonstrates the steps required to score a Model in the Data Science Workspace user interface.

Erste Schritte

Um dieses Tutorial abzuschließen, benötigen Sie Zugriff auf Experience Platform. If you do not have access to an IMS Organization in Experience Platform, please speak to your system administrator before proceeding.

Diese Anleitung setzt ein trainiertes Modell voraus. Wenn Sie noch kein trainiertes Modell haben, folgen Sie der Anleitung zum Trainieren und Bewerten eines Modells in der Benutzeroberfläche, bevor Sie fortfahren.

Neuen Scoring-Lauf erstellen

Ein Scoring-Lauf wird mithilfe optimierter Konfigurationen aus einem zuvor abgeschlossenen und ausgewerteten Trainings-Lauf erstellt. Der Satz optimaler Konfigurationen für ein Modell wird in der Regel durch Überprüfen der Auswertungsmetriken für Trainings-Läufe bestimmt.

  1. Finden Sie den optimalen Training-Lauf, um dessen Konfigurationen für das Scoring zu nutzen. Öffnen Sie den gewünschten Trainings-Lauf, indem Sie auf dessen Namen klicken.

  2. Klicken Sie auf dem Tab Auswertung des Trainings-Laufs auf die Schaltfläche Score oben rechts im Bildschirm. Dadurch wird ein neuer Scoring ausführen-Workflow initiiert.

  3. Wählen Sie den Eingabe-Scoring-Datensatz aus und klicken Sie auf Weiter.

  4. Wählen Sie den Ergebnis-Scoring-Datensatz aus. Hierbei handelt es sich um den dedizierten Ausgabedatensatz, in dem die Scoring-Ergebnisse gespeichert werden. Bestätigen Sie Ihre Auswahl und klicken Sie auf Weiter.

  5. Im letzten Schritt des Workflows werden Sie aufgefordert, Ihren Scoring-Lauf zu konfigurieren. Diese Konfigurationen werden vom Modell für den Scoring-Lauf verwendet.
    Beachten Sie, dass Sie geerbte Parameter, die bei der Modellerstellung festgelegt wurden, nicht entfernen können. Sie können nicht geerbte Parameter bearbeiten oder wiederherstellen, indem Sie auf den Wert doppelklicken oder auf das Symbol zum Zurücksetzen klicken, während Sie mit dem Mauszeiger über den Eintrag fahren.

    Überprüfen und bestätigen Sie die Scoring-Konfigurationen und klicken Sie auf Fertig stellen, um den Scoring-Lauf zu erstellen und auszuführen. Sie werden zum Tab Scoring-Läufe weitergeleitet; für den neuen Scoring-Lauf wird ein Status angezeigt.

    Für einen Scoring-Lauf wird einer der vier folgenden Status angezeigt: „Ausstehend“, „Abgeschlossen“, „Fehlgeschlagen“ oder „Wird ausgeführt“. Die Status werden automatisch aktualisiert. Fahren Sie mit dem nächsten Schritt fort, wenn der Status „Abgeschlossen“ oder „Fehlgeschlagen“ lautet.

Scoring-Ergebnisse anzeigen

  1. Suchen Sie nach dem Trainings-Lauf, der für den Scoring-Lauf verwendet wurde, und klicken Sie auf dessen Namen, um die Auswertungsseite anzuzeigen.

  2. Klicken Sie oben auf der Auswertungsseite des Trainings-Laufs auf den Tab Scoring-Läufe, um eine Liste der vorhandenen Scoring-Läufe anzuzeigen. Klicken Sie auf die Scoring-Liste, um in der rechten Spalte die entsprechenden Details anzuzeigen.

  3. Wenn der ausgewählte Scoring-Lauf den Status „Abgeschlossen“ oder „Fehlgeschlagen“ aufweist, ist der Link Aktivitätsprotokolle anzeigen in der rechten Spalte aktiv. Klicken Sie auf den Link, um die Ausführungsprotokolle anzuzeigen und herunterzuladen. Wenn ein Scoring-Lauf fehlgeschlagen ist, können die Ausführungsprotokolle nützliche Daten zur Ermittlung der Fehlerquelle enthalten.

  4. Klicken Sie in der rechten Spalte auf den Link Vorschau von Datensatz mit Scoring-Ergebnissen anzeigen. Sie können eine Vorschau des Ausgabedatensatzes des Scoring-Laufs anzeigen.

  5. Klicken Sie für den vollständigen Satz der Scoring-Ergebnisse auf den Link Datensatz mit Scoring-Ergebnissen in der rechten Spalte.

Nächste Schritte

This tutorial walked you through the steps to score data using a trained Model in Data Science Workspace. Befolgen Sie die Anleitung zum Publizieren eines Modells als Dienst in der Benutzeroberfläche, damit Benutzer in Ihrer Organisation Daten bewerten können, indem sie einfachen Zugriff auf einen maschinellen Lerndienst erhalten.

Auf dieser Seite