Dopo aver creato una ricetta, ora è possibile addestrare e valutare la ricetta senza dover toccare di nuovo il codice.
Accedi a Adobe Experience Platform andando a questo URL: https://experience.adobe.com/platform.
Dopo aver effettuato l'accesso, si aprirà la homepage di Adobe Experience Platform.
Prima di continuare, devi selezionare un sandbox. La sandbox da selezionare è denominata --aepSandboxId--
. Per eseguire questa operazione, fai clic sul testo Produzione Prod nella linea blu sopra lo schermo.
Dopo aver selezionato la sandbox appropriata, visualizzerai la modifica dello schermo e ora ti trovi nella sandbox dedicata.
Dal menu a sinistra, fai clic su Modelli.
In questo esercizio, utilizzerai una ricetta precostruita per creare un modello per le previsioni di vendita di assicurazione auto.
Nel menu principale, fai clic su Ricette.
In Ricette troverete diverse ricette. Cerca la tua ricetta nell'elenco, che dovrebbe essere chiamato ldapCarInsurancePropensity
.
Fai clic sul pulsante ldapCarInsurancePropensity
ricetta per aprirla.
Ora è necessario creare un modello personalizzato, in base alla ldapCarInsurancePropensity
ricetta.
A tale scopo, fai clic sul pulsante Creare un modello pulsante .
Per addestrare questo modello, è necessario fornirgli un set di dati di input. Nel nostro caso, il set di dati da utilizzare è chiamato Demo System - Event Dataset for Website (Global v1.1)
. Selezionala dall’elenco.
Fai clic su Avanti per continuare.
Nel passaggio successivo, è necessario definire un nome per il modello. Come convenzione di denominazione, utilizziamo: ldap - CarInsurancePropensity Model
e sostituiscono ldap
con il tuo ldap.
Esempio: per ldap vangeluw, il nome diventa vangeluw - CarInsurancePropensity Model
.
È inoltre possibile ottimizzare il modello modificando la configurazione del modello. Per farlo, puoi ad esempio modificare il n_estimatori o max_depth.
Se si desidera aggiornare i parametri di configurazione del modello, fare doppio clic su uno dei parametri e assegnargli un nuovo valore.
Quindi, fai clic su Fine per completare la configurazione.
Dopo un paio di secondi, verrai riportato alla home page del Modello dove vedrai un Training Run 1 con uno stato di In sospeso. Il processo per completare l'esecuzione dell'addestramento può richiedere più di 5 minuti.
Dopo 1-2 minuti, lo stato del tuo Training Run verrà modificato in In esecuzione.
E 1-2 minuti dopo, lo stato del Training Run cambierà in Completa.
Una volta completata la procedura di formazione, viene visualizzata una metrica di accuratezza che indica il successo del modello. (A causa della mancanza di dati di formazione, la precisione non dice molto in questa situazione demo).
La formazione di un modello richiede più di un'esecuzione. Tutte le esecuzioni di formazione saranno visibili in questa pagina e sarai in grado di confrontare i loro risultati, in modo da poter decidere quale sia il più efficace.
Dopo aver addestrato un modello, è possibile utilizzare il modello per il punteggio e, come tale, fare in modo che il modello calcoli i punteggi Propensità vendite assicurazione auto che possono essere attivati attraverso il targeting.
Per iniziare il punteggio, riapriamo Training Run 1 facendogli clic su di esso.
Dopo aver aperto Training Run 1, vedrai una panoramica completa della Training Run e in futuro verranno aggiunte ulteriori opzioni di visualizzazione.
Per valutare, devi fare clic sul pulsante + Punteggio nell’angolo in alto a destra dello schermo.
Nel passaggio successivo, è necessario selezionare di nuovo un set di dati di input. Scegliamo la Demo System - Event Dataset for Website (Global v1.1)
set di dati.
Dopo aver selezionato il set di dati di input, fai clic su Successivo.
Nel passaggio successivo, devi selezionare un set di dati a cui Platform restituisce i risultati. In questo caso, seleziona la Demo System - Profile Dataset for ML Predictions (Global v1.1)
set di dati.
Dopo aver selezionato il set di dati di output, fai clic su Successivo.
Nella schermata successiva, è possibile specificare/modificare nuovamente alcuni parametri di configurazione del modello.
Dopo aver aggiornato i parametri di configurazione del modello, fai clic su Fine.
A Esecuzione del punteggio viene ora creato e ha uno stato In sospeso, che verrà modificato in In esecuzione.
E 1-2 minuti dopo, lo stato dell’esecuzione del punteggio verrà modificato in Completa.
E infine, vediamo in anteprima i risultati. Fai clic su Punteggio 1
Fai clic su Anteprima del set di dati dei risultati del punteggio.
Fai clic su Chiudi per chiudere la finestra Risultati punteggio anteprima.
Passaggio successivo: 15.5 Pubblica la tua ricetta come servizio pianificato