15.4 Treno e punteggio la tua ricetta

Dopo aver creato una ricetta, ora è possibile addestrare e valutare la ricetta senza dover toccare di nuovo il codice.

15.4.1 Formare un modello basato su una ricetta

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.

Acquisizione dei dati

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.

Acquisizione dei dati

Dopo aver selezionato la sandbox appropriata, visualizzerai la modifica dello schermo e ora ti trovi nella sandbox dedicata.

Acquisizione dei dati

Dal menu a sinistra, fai clic su Modelli.

DSW

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.

DSW

In Ricette troverete diverse ricette. Cerca la tua ricetta nell'elenco, che dovrebbe essere chiamato ldapCarInsurancePropensity.

DSW

Fai clic sul pulsante ldapCarInsurancePropensity ricetta per aprirla.

DSW

Ora è necessario creare un modello personalizzato, in base alla ldapCarInsurancePropensity ricetta.

A tale scopo, fai clic sul pulsante Creare un modello pulsante .

DSW

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.

DSW

Fai clic su Avanti per continuare.

DSW

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.

DSW

È inoltre possibile ottimizzare il modello modificando la configurazione del modello. Per farlo, puoi ad esempio modificare il n_estimatori o max_depth.

DSW

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.

DSW

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.

DSW

Dopo 1-2 minuti, lo stato del tuo Training Run verrà modificato in In esecuzione.

DSW

E 1-2 minuti dopo, lo stato del Training Run cambierà in Completa.

DSW

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).

DSW

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.
DSW

15.4.2 Punteggio di un modello basato su una ricetta

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.

DSW

Dopo aver aperto Training Run 1, vedrai una panoramica completa della Training Run e in futuro verranno aggiunte ulteriori opzioni di visualizzazione.

DSW

Per valutare, devi fare clic sul pulsante + Punteggio nell’angolo in alto a destra dello schermo.

DSW

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.

DSW

Dopo aver selezionato il set di dati di input, fai clic su Successivo.

DSW

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.

DSW

Dopo aver selezionato il set di dati di output, fai clic su Successivo.

DSW

Nella schermata successiva, è possibile specificare/modificare nuovamente alcuni parametri di configurazione del modello.

DSW

Dopo aver aggiornato i parametri di configurazione del modello, fai clic su Fine.

DSW

A Esecuzione del punteggio viene ora creato e ha uno stato In sospeso, che verrà modificato in In esecuzione.

DSW
DSW

E 1-2 minuti dopo, lo stato dell’esecuzione del punteggio verrà modificato in Completa.

DSW

E infine, vediamo in anteprima i risultati. Fai clic su Punteggio 1

DSW

Fai clic su Anteprima del set di dati dei risultati del punteggio.

DSW

DSW

Fai clic su Chiudi per chiudere la finestra Risultati punteggio anteprima.

Passaggio successivo: 15.5 Pubblica la tua ricetta come servizio pianificato

Torna al modulo 15

Torna a tutti i moduli

In questa pagina