15.4 Ausbildung und Bewertung des Rezepts

Nachdem Sie ein Rezept erstellt haben, können Sie jetzt Ihr Rezept trainieren und bewerten, ohne den Code erneut berühren zu müssen.

15.4.1 Auf Rezept basierendes Zugmodell

Melden Sie sich unter folgender URL bei Adobe Experience Platform an: https://experience.adobe.com/platform.

Nach dem Anmelden landen Sie auf der Homepage von Adobe Experience Platform.

Datenaufnahme

Bevor Sie fortfahren, müssen Sie eine Sandbox auswählen. Die auszuwählende Sandbox hat den Namen --aepSandboxId--. Klicken Sie dazu auf den Text Produktions-Prod in der blauen Zeile oben auf Ihrem Bildschirm.

Datenaufnahme

Nachdem Sie die entsprechende Sandbox ausgewählt haben, sehen Sie die Änderung des Bildschirms, und jetzt befinden Sie sich in Ihrer eigenen Sandbox.

Datenaufnahme

Klicken Sie im linken Menü auf Modelle.

DSW

In dieser Übung verwenden Sie ein vorgefertigtes Rezept, um ein Modell für Kaufprognosen für Kfz-Versicherungen zu erstellen.

Klicken Sie im oberen Menü auf Rezepte.

DSW

In Rezepten finden Sie mehrere Rezepte. Suchen Sie nach Ihrem eigenen Rezept in der Liste, das benannt werden sollte ldapCarInsurancePropensity.

DSW

Klicken Sie auf das ldapCarInsurancePropensity Rezept, um es zu öffnen.

DSW

Sie müssen jetzt ein eigenes Modell erstellen, das auf dem ldapCarInsurancePropensity Rezept basiert.

Klicken Sie dazu auf die Schaltfläche Modell erstellen .

DSW

Zur Schulung dieses Modells müssen Sie ihm ein Eingabedataset bereitstellen. In unserem Fall wird der zu verwendende Datensatz genannt Demo System - Event Dataset for Website (Global v1.1). Wählen Sie es aus der Liste aus.

DSW

Klicken Sie auf Weiter, um fortzufahren.

DSW

Im nächsten Schritt müssen Sie einen Namen für Ihr Modell definieren. Als Benennungsregel sollten wir Folgendes verwenden: ldap - CarInsurancePropensity Model und ersetzen Sie ldap durch Ihren LDAP.

Beispiel: für ldap vangeluw wird der Name vangeluw - CarInsurancePropensity Modelangezeigt.

DSW

Sie können das Modell auch übermäßig anpassen, indem Sie die Modellkonfiguration ändern. Dazu können Sie beispielsweise die n_estimators oder die max_depth​ändern.

DSW

Wenn Sie die Konfigurationsparameter des Modells aktualisieren möchten, klicken Sie bei gedrückter Dublette auf einen der Parameter und geben Sie einen neuen Wert ein.

Klicken Sie anschließend auf Fertig stellen , um Ihre Konfiguration abzuschließen.

DSW

Nach einigen Sekunden kehren Sie zur Modellseite zurück, auf der ein Schulungslauf 1 mit dem Status Ausstehend angezeigt wird. Der Prozess zum Abschluss des Trainings kann über 5 Minuten dauern.

DSW

Nach 1-2 Minuten ändert sich der Status des Schulungslaufs in Wird ausgeführt.

DSW

Und 1-2 Minuten später ändert sich der Status des Schulungslaufs in Abschließen.

DSW

Nach Abschluss des Schulungslaufs wird eine Genauigkeitsmetrik angezeigt, die angibt, wie erfolgreich das Modell ist. (Aufgrund fehlender Schulungsdaten sagt Genauigkeit in dieser Demo-Situation nicht viel aus).

DSW

Die Schulung eines Modells erfordert mehr als eine Ausführung. Alle Schulungsläufe werden auf dieser Seite angezeigt und Sie können ihre Ergebnisse vergleichen, sodass Sie entscheiden können, welche am erfolgreichsten ist.
DSW

15.4.2 Auf Rezept basierendes Modell bewerten

Nach der Schulung eines Modells können Sie das Modell zur Bewertung verwenden und als solches die Modellberechnung Kfz-Versicherungs-Propensity-Bewertungen durchführen lassen, die durch Targeting aktiviert werden können.

Um die Punktzahl des Beginns zu überprüfen, lassen Sie uns den Schulungslauf 1 erneut öffnen, indem Sie darauf klicken.

DSW

Nach dem Öffnen von "Schulungslauf 1"erhalten Sie einen vollständigen Überblick über den Schulungslauf. In Zukunft werden weitere Visualisierungsoptionen hinzugefügt.

DSW

Um eine Punktzahl zu erzielen, müssen Sie in der oberen rechten Ecke des Bildschirms auf die Schaltfläche + Ergebnis klicken.

DSW

Im nächsten Schritt müssen Sie erneut einen Eingabedatensatz auswählen. Wählen wir den Demo System - Event Dataset for Website (Global v1.1) Datensatz.

DSW

Klicken Sie nach Auswahl des Eingabedatensets auf Weiter.

DSW

Im nächsten Schritt müssen Sie einen Datensatz auswählen, an den die Plattform Ergebnisse ausgibt. Wählen Sie in diesem Fall den Demo System - Profile Dataset for ML Predictions (Global v1.1) Datensatz aus.

DSW

Klicken Sie nach Auswahl des Ausgabedatensets auf Weiter.

DSW

Im nächsten Bildschirm können Sie einige der Konfigurationsparameter des Modells erneut angeben/ändern.

DSW

Klicken Sie nach dem Aktualisieren der Konfigurationsparameter des Modells auf Fertig stellen.

DSW

Ein Bewertungslauf wird jetzt erstellt und hat den Status " Ausstehend", der in " Wird ausgeführt"geändert wird.

DSWDSW

Und 1-2 Minuten später ändert sich der Status des Bewertungslaufs in Complete.

DSW

Und schließlich, lassen Sie uns die Ergebnisse Vorschau. Klicken Sie auf Bewertungsausführung 1

DSW

Klicken Sie anschließend auf den Datensatz Vorschau Scoring Results.

DSW

DSW

Klicken Sie auf Schließen , um das Fenster "Vorschau-Bewertungsergebnisse"zu schließen.

Nächster Schritt: 15.5 Veröffentlichen Sie Ihre Rezepte als geplanten Dienst

Zurück zu Modul 15

Zurück zu allen Modulen

Auf dieser Seite