15.4 Formation et score de votre recette

Après avoir créé une recette, vous pouvez maintenant former et marquer votre recette sans avoir à toucher à nouveau le code.

15.4.1 Formation d'un modèle basé sur une recette

Connectez-vous à Adobe Experience Platform en accédant à cette URL : https://experience.adobe.com/platform.

Une fois connecté, vous accédez à la page d'accueil de Adobe Experience Platform.

Ingestion des données

Avant de continuer, vous devez sélectionner un sandbox. Le sandbox à sélectionner est nommé --aepSandboxId--. Pour ce faire, cliquez sur le texte Production Prod dans la ligne bleue située en haut de votre écran.

Ingestion des données

Après avoir sélectionné le sandbox approprié, vous verrez l'écran changer et vous êtes maintenant dans votre sandbox dédié.

Ingestion des données

Dans le menu de gauche, cliquez sur Modèles.

DSW

Dans cet exercice, vous utiliserez une recette prédéfinie pour créer un modèle de prévision des ventes d'assurance-automobile.

Dans le menu supérieur, cliquez sur Recettes.

DSW

Dans Recettes, vous trouverez plusieurs recettes. Recherchez votre propre recette dans la liste, qui doit être nommée ldapCarInsurancePropensity.

DSW

Cliquez sur la ldapCarInsurancePropensity recette pour l'ouvrir.

DSW

Vous devez maintenant créer votre propre modèle, basé sur la ldapCarInsurancePropensity recette.

Pour ce faire, cliquez sur le bouton Créer un modèle .

DSW

Pour former ce modèle, vous devez lui fournir un jeu de données d'entrée. Dans notre cas, le jeu de données à utiliser est appelé Demo System - Event Dataset for Website (Global v1.1). Sélectionnez-le dans la liste.

DSW

Cliquez sur Suivant pour continuer.

DSW

Dans l'étape suivante, vous devez définir un nom pour votre modèle. En tant que convention d’affectation de nom, utilisons : ldap - CarInsurancePropensity Model et remplacez ldap par votre ldap.

Exemple : pour ldap vangeluw, le nom devient vangeluw - CarInsurancePropensity Model.

DSW

Vous pouvez également régler le modèle par hyperfréquence en modifiant la configuration du modèle. Pour ce faire, vous pouvez, par exemple, modifier le paramètre n_estimators ou le paramètre max_depth.

DSW

Si vous souhaitez mettre à jour les paramètres de configuration du modèle, cliquez sur l'un des paramètres en doublon et donnez-lui une nouvelle valeur.

Cliquez ensuite sur Terminer pour terminer votre configuration.

DSW

Au bout de quelques secondes, vous revenez à la page d'accueil du modèle, où vous verrez une session de formation 1 avec l'état En attente. Le processus de fin de la période de formation peut prendre plus de 5 minutes.

DSW

Au bout de 1 à 2 minutes, l’état de votre session de formation devient En cours d’exécution.

DSW

Et 1 à 2 minutes plus tard, l’état de la Course de formation devient Terminé.

DSW

Une fois l’exécution de formation terminée, une mesure d’exactitude indique la réussite du modèle. (En raison du manque de données de formation, la précision ne dit pas grand chose dans cette situation de démonstration).

DSW

La formation d’un modèle nécessite plusieurs exécutions. Toutes les exécutions de formation seront visibles sur cette page et vous pourrez comparer leurs résultats, de sorte que vous puissiez choisir celui qui remporte le plus de succès.
DSW

15.4.2 Score d’un modèle en fonction d’une recette

Après avoir formé un modèle, vous pouvez utiliser le modèle pour marquer et, en tant que tel, faire en sorte que le modèle calcule les scores de propension des ventes d'assurance automobile qui peuvent être activés par le ciblage.

Pour début du score, réouvrons la Course de formation 1 en cliquant dessus.

DSW

Après avoir ouvert la session de formation 1, vous verrez un aperçu complet de la session de formation et, à l’avenir, d’autres options de visualisation seront ajoutées.

DSW

Pour marquer des points, vous devez cliquer sur le bouton + Score dans le coin supérieur droit de votre écran.

DSW

Dans l’étape suivante, vous devez à nouveau sélectionner un jeu de données d’entrée. Choisissons le Demo System - Event Dataset for Website (Global v1.1) jeu de données.

DSW

Après avoir sélectionné le jeu de données d’entrée, cliquez sur Suivant.

DSW

Dans l’étape suivante, vous devez sélectionner un jeu de données pour lequel la plateforme produira des résultats. Dans ce cas, sélectionnez le Demo System - Profile Dataset for ML Predictions (Global v1.1) jeu de données.

DSW

Après avoir sélectionné le jeu de données de sortie, cliquez sur Suivant.

DSW

Dans l'écran suivant, vous pouvez à nouveau spécifier/modifier certains paramètres de configuration du modèle.

DSW

Après avoir mis à jour les paramètres de configuration du modèle, cliquez sur Terminer.

DSW

Une exécution de score est maintenant créée et a le statut En attente, qui devient En cours.

DSWDSW

Et 1 à 2 minutes plus tard, l’état de la série de scores devient Terminé.

DSW

Et pour finir, prévisualisation les résultats. Cliquez sur Score Run 1

DSW

Cliquez ensuite sur le jeu de données des résultats du score de Prévisualisation.

DSW

DSW

Cliquez sur Fermer pour fermer la fenêtre Résultats du score de Prévisualisation.

Étape suivante : 15.5 Publier votre recette en tant que service planifié

Revenir au module 15

Revenir à tous les modules

Sur cette page