在資料科學工作區UI中訓練和評估模型

在Adobe Experience Platform資料科學工作區中,機器學習模型是通過結合適合模型意圖的現有配方來建立的。 然後,對模型進行訓練和評估,通過微調其相關的超參數來優化其操作效率和效能。 方式可重複使用,這表示您可以使用單一方式,針對特定目的建立並量身打造多個模型。

本教學課程將逐步介紹建立、訓練和評估模型的步驟。

快速入門

要完成本教學課程,您必須具有Experience Platform的存取權。 如果您沒有Experience Platform中IMS組織的存取權,請在繼續之前先與系統管理員聯絡。

本教學課程需要現有的配方。 如果您沒有配方,請依照UI🔗教學課程中的匯入封裝配方,然後再繼續。

建立模型

在Experience Platform中,選擇位於左側導航中的​Models​頁籤,然後選擇瀏覽頁籤以查看現有模型。 選擇頁面右上角的​Create Model​以開始建立模型。

瀏覽現有配方的清單,查找並選擇用於建立模型的配方,然後選擇​Next

選擇適當的輸入資料集,然後選擇​Next。 這將設定模型的預設輸入訓練資料集。

為「模型」(Model)提供名稱並查看預設「模型」(Model)配置。 在「配方」建立過程中,通過按兩下配置值來應用預設配置,複查和修改配置值。

若要提供新的組態,請選取​Upload New Config,並將包含「模型」組態的JSON檔案拖曳至瀏覽器視窗。 選擇​Finish​以建立模型。

注意

配置是獨特的,且特定於其預定配方,這表示「零售銷售配方」的配置將不適用於「產品Recommendations配方」。 有關零售銷售方式配置的清單,請參閱reference部分。

建立訓練執行

在Experience Platform中,選擇位於左側導航中的​Models​頁籤,然後選擇瀏覽頁籤以查看現有模型。 查找並選擇附加到要培訓的模型名稱的超連結。

所有現有培訓執行都會列出其目前的培訓狀態。 對於使用Data Science Workspace使用者介面建立的模型,會自動產生訓練執行,並使用預設組態和輸入訓練資料集來執行。

選擇「模型概述」頁面右上角的​Train,以建立新的訓練執行。

為培訓運行選擇培訓輸入資料集,然後選擇​Next

如圖所示,建立模型期間提供的預設配置,請按兩下這些值,以相應地更改和修改這些配置。 選擇​Finish​以建立並執行培訓運行。

注意

配置是獨特的,且特定於其預定配方,這表示「零售銷售配方」的配置將不適用於「產品Recommendations配方」。 有關零售銷售方式配置的清單,請參閱reference部分。

評估模型

在Experience Platform中,選擇位於左側導航中的​Models​頁籤,然後選擇瀏覽頁籤以查看現有模型。 查找並選擇附加到要評估的模型名稱的超連結。

選取模型

所有現有培訓執行都會列出其目前的培訓狀態。 在完成多個培訓執行後,您可以在模型評估圖表中比較不同培訓執行的評估度量。 使用圖形上方的下拉式清單選取評估度量。

「平均絕對百分比錯誤(MAPE)」量度將正確性表示為錯誤的百分比。 這用於識別效能最佳的實驗。 MAPE越低越好。

培訓執行概觀

「精確度」度量描述相關例項與擷取的​例項總數之比例。​精確度可以看作是隨機選擇的結果正確的概率。

執行多個執行

選取特定的訓練執行會開啟評估頁面,提供該執行的詳細資訊。 這可在執行完成之前完成。 在評估頁面上,您可以看到其他評估度量、設定參數和訓練執行專屬的視覺化。

預覽記錄

您也可以下載活動記錄檔,以檢視執行的詳細資訊。 對於失敗的執行,記錄檔特別有用,以檢視出錯之處。

活動日誌

超參數無法訓練,模型必須通過測試不同的超參陣列合來優化。 重複此模型訓練和評估流程,直到您到達最佳模型。

後續步驟

本教學課程將引導您在Data Science Workspace中建立、訓練和評估模型。 到達最佳化模型後,您就可以使用經過訓練的模型,依照UI🔗教學課程中的對模型評分來產生見解。

參考

零售銷售方式配置

超參數決定模型的訓練行為,修改超參數將影響模型的準確性和精度:

超參數 說明 建議範圍
learning_rate 學習率會透過learning_rate縮減每棵樹的貢獻。 learning_rate和n_meativers之間存在取捨。 0.1
n_mediators 要執行的升級階段數。 漸層增強功能對過度調整相當穩健,因此,大量的漸層增強功能通常能產生較佳的效能。 100
max_depth 個別回歸估計的最大深度。 最大深度限制樹中的節點數。 調整此參數以獲得最佳效能;最佳值取決於輸入變數的互動。 3

其他參數確定模型的技術屬性:

參數鍵 類型 說明
ACP_DSW_INPUT_FEATURES 字串 逗號分隔的輸入模式屬性清單。
ACP_DSW_TARGET_FEATURES 字串 逗號分隔的輸出模式屬性清單。
ACP_DSW_FEATURE_UPDATE_SUPPORT 布林值 確定輸入和輸出特徵是否可修改
tenantId 字串 此ID可確保您建立的資源具有正確的命名空間,並且包含在IMS組織中。 請依照此處的 步驟尋找您的租用戶ID。
ACP_DSW_TRAINING_XDM_SCHEMA 字串 用於訓練模型的輸入模式。
evaluation.labelColumn 字串 評估視覺化的欄標籤。
evaluation.metrics 字串 用於評估模型的評估度量的逗號分隔清單。
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA 字串 用於計分模型的輸出方案。

本頁內容

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