15.4 Treno e punteggio della tua ricetta

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

15.4.1 Train a Model basato su una ricetta

Accedete ad Adobe Experience Platform con il seguente URL: https://experience.adobe.com/platform.

Dopo aver effettuato l'accesso, si arriva sulla homepage di Adobe Experience Platform.

Acquisizione dei dati

Prima di continuare, dovete selezionare una sandbox. La sandbox da selezionare è denominata --aepSandboxId--. Per farlo, fai clic sul testo Produzione Prod nella linea blu sopra lo schermo.

Acquisizione dei dati

Dopo aver selezionato la sandbox appropriata, verrà visualizzato il cambio dello schermo e ora siete nella sandbox dedicata.

Acquisizione dei dati

Dal menu a sinistra, fate clic su Modelli.

DSW

In questo esercizio si utilizzerà una ricetta precostruita per creare un modello per le previsioni di vendita assicurazione auto.

In the top menu, click on Recipes.

DSW

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

DSW

Fate clic sulla ldapCarInsurancePropensity ricetta per aprirla.

DSW

È ora necessario creare un modello personalizzato, in base alla ldapCarInsurancePropensity ricetta.

A tale scopo, fare clic sul pulsante Crea un modello .

DSW

Per formare questo modello, è necessario fornirgli un dataset di input. Nel nostro caso, il set di dati da utilizzare è chiamato Demo System - Event Dataset for Website (Global v1.1). Selezionatela 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 sostituisci 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. A tale scopo, potete ad esempio modificare gli n_estimatori o il valore max_deep.

DSW

Se si desidera aggiornare i parametri di configurazione del modello, fare doppio clic su uno dei parametri e assegnargli un nuovo valore.

Quindi, fate clic su Fine per completare la configurazione.

DSW

Dopo un paio di secondi, tornerete alla home page del Modello, dove vedrete un Training Run 1 con lo stato In sospeso. La procedura per completare l’esecuzione della formazione può richiedere più di 5 minuti.

DSW

Dopo 1-2 minuti, lo stato dell'Esecuzione formazione verrà modificato in Esecuzione.

DSW

E 1-2 minuti dopo, lo stato della Training Run diventerà Complete.

DSW

Una volta completata l'esecuzione della formazione, vedrete una metrica Precisione 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 sarete in grado di confrontarne i risultati, in modo da poter decidere quale sia il più efficace.
DSW

15.4.2 Punteggio di un modello basato su una ricetta

Dopo la formazione di un modello, è possibile utilizzare il modello per ottenere un 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, riaprite Training Run 1 facendo clic su di esso.

DSW

Dopo l’apertura della Training Run 1, vedrete una panoramica completa della Training Run e, in futuro, verranno aggiunte ulteriori opzioni di visualizzazione.

DSW

Per ottenere un punteggio, è necessario fare clic sul pulsante + Valutazione nell'angolo superiore destro dello schermo.

DSW

Nel passaggio successivo, è necessario selezionare di nuovo un set di dati di input. Scegliamo il Demo System - Event Dataset for Website (Global v1.1) set di dati.

DSW

Dopo aver selezionato il set di dati di input, fare clic su Avanti.

DSW

Nel passaggio successivo, devi selezionare un set di dati a cui la piattaforma restituirà i risultati. In questo caso, selezionate il Demo System - Profile Dataset for ML Predictions (Global v1.1) set di dati.

DSW

Dopo aver selezionato Output Dataset, fare clic su Avanti.

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, fare clic su Fine.

DSW

Ora viene creata un' esecuzione del punteggio con stato In sospeso, che diventerà In esecuzione.

DSWDSW

E 1-2 minuti dopo, lo stato dell'esecuzione del punteggio sarà Completato.

DSW

Infine, vediamo in anteprima i risultati. Fare clic su Esecuzione punteggio 1

DSW

Quindi, fare clic sul DataSet di risultati di punteggio di anteprima.

DSW

DSW

Fate clic su Chiudi per chiudere la finestra Anteprima risultati punteggio.

Passaggio successivo: 15.5 Pubblicare la ricetta come servizio pianificato

Torna al modulo 15

Torna a tutti i moduli

In questa pagina