Formazione e valutazione di un modello nell’interfaccia utente di Data Science Workspace
In Adobe Experience Platform Data Science Workspace, viene creato un modello di apprendimento automatico incorporando una ricetta esistente appropriata per l’intento del modello. Il Modello viene quindi addestrato e valutato per ottimizzarne l'efficienza operativa e l'efficacia attraverso l'ottimizzazione dei relativi Hyperparametri associati. Le ricette sono riutilizzabili, il che significa che è possibile creare più modelli e personalizzarli per scopi specifici con una singola ricetta.
Questo tutorial illustra i passaggi necessari per creare, addestrare e valutare un modello.
Introduzione
Per completare questa esercitazione, devi avere accesso a Experience Platform. Se non hai accesso a un’organizzazione in Experience Platform, contattare l'amministratore di sistema prima di procedere.
Questa esercitazione richiede una ricetta esistente. Se non hai una ricetta, segui la Importare una composizione in pacchetti nell’interfaccia utente prima di continuare.
Creare un modello
Ad Experience Platform, seleziona la Modelli nella barra di navigazione a sinistra, quindi seleziona la scheda Sfoglia per visualizzare i modelli esistenti. Seleziona Crea modello in alto a destra nella pagina per iniziare un processo di creazione di un modello.
Sfoglia l’elenco delle ricette esistenti, individua e seleziona la ricetta da utilizzare per creare il modello e seleziona Successivo.
Seleziona un set di dati di input appropriato e seleziona Successivo. In questo modo verrà impostato il set di dati di addestramento di input predefinito per il modello.
Fornite un nome per il modello ed esaminate le configurazioni del modello di default. Le configurazioni di default venivano applicate durante la creazione della ricetta, esaminando e modificando i valori di configurazione facendo doppio clic sui valori.
Per fornire un nuovo set di configurazioni, seleziona Carica nuova configurazione e trascina un file JSON contenente le configurazioni del modello nella finestra del browser. Seleziona Fine per creare il modello.
Creare un’esecuzione del corso di formazione
Ad Experience Platform, seleziona la Modelli nella barra di navigazione a sinistra, quindi seleziona la scheda Sfoglia per visualizzare i modelli esistenti. Individuare e selezionare il collegamento ipertestuale associato al nome del modello che si desidera addestrare.
Sono elencate tutte le esecuzioni di formazione esistenti con i relativi stati di formazione correnti. Per i modelli creati utilizzando Data Science Workspace interfaccia utente, un’esecuzione dell’addestramento viene generata ed eseguita automaticamente utilizzando le configurazioni predefinite e il set di dati di addestramento di input.
Creare una nuova esecuzione dell’apprendimento selezionando Addestra in alto a destra nella pagina di panoramica del modello.
Seleziona il set di dati di input dell’addestramento per l’esecuzione dell’addestramento, quindi seleziona Successivo.
Le configurazioni predefinite fornite durante la creazione del modello vengono visualizzate, modificate e modificate di conseguenza facendo doppio clic sui valori. Seleziona Fine per creare ed eseguire l’esecuzione dell’addestramento.
Valutare il modello
Ad Experience Platform, seleziona la Modelli nella barra di navigazione a sinistra, quindi seleziona la scheda Sfoglia per visualizzare i modelli esistenti. Individuare e selezionare il collegamento ipertestuale associato al nome del modello che si desidera valutare.
Sono elencate tutte le esecuzioni di formazione esistenti con i relativi stati di formazione correnti. Con più esecuzioni di formazione completate, le metriche di valutazione possono essere confrontate tra diverse esecuzioni di formazione nel grafico di valutazione del modello. Seleziona una metrica di valutazione utilizzando l’elenco a discesa sopra il grafico.
La metrica MAPE (Mean Absolute Percent Error) esprime l’accuratezza come percentuale dell’errore. Viene utilizzato per identificare l’esperimento con le prestazioni migliori. Più basso è il MAPE, meglio è.
La metrica "Precisione" descrive la percentuale di istanze rilevanti rispetto al totale recuperato Istanze. La precisione può essere vista come la probabilità che un risultato selezionato casualmente sia corretto.
La selezione di un’esecuzione di addestramento specifica fornisce i dettagli dell’esecuzione aprendo la pagina di valutazione. Questa operazione può essere eseguita anche prima del completamento dell’esecuzione. Nella pagina di valutazione puoi visualizzare altre metriche di valutazione, parametri di configurazione e visualizzazioni specifici per l’esecuzione dell’apprendimento.
Puoi anche scaricare i registri attività per visualizzare i dettagli dell’esecuzione. I registri sono particolarmente utili per le esecuzioni non riuscite per individuare l’errore.
Gli iperparametri non possono essere addestrati e un modello deve essere ottimizzato testando diverse combinazioni di iperparametri. Ripetere questo processo di formazione e valutazione del modello fino a ottenere un modello ottimizzato.
Passaggi successivi
Questo tutorial illustra come creare, addestrare e valutare un modello in Data Science Workspace. Una volta raggiunto un modello ottimizzato, puoi utilizzare il modello addestrato per generare informazioni seguendo la Valutazione di un modello nell’interfaccia utente esercitazione.
Riferimenti reference
Configurazioni ricetta vendita al dettaglio
Gli iperparametri determinano il comportamento di addestramento del modello, modificando gli iperparametri si avrà un impatto sulla precisione e l'accuratezza del modello:
Parametri aggiuntivi determinano le proprietà tecniche del modello:
ACP_DSW_INPUT_FEATURES
ACP_DSW_TARGET_FEATURES
ACP_DSW_FEATURE_UPDATE_SUPPORT
tenantId
ACP_DSW_TRAINING_XDM_SCHEMA
evaluation.labelColumn
evaluation.metrics
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA