15.4 Preparar e marcar a receita

Depois de criar uma receita, agora você pode treinar e pontuar sua receita sem precisar tocar o código novamente.

15.4.1 Comboio de um modelo baseado numa receita

Faça logon na Adobe Experience Platform acessando este URL: https://experience.adobe.com/platform.

Depois de fazer logon, você chegará na página inicial do Adobe Experience Platform.

Assimilação de dados

Antes de continuar, tem de selecionar uma caixa de proteção. O nome da caixa de proteção a ser selecionada é --aepSandboxId--. Para fazer isso, clique no texto Production Prod (Produto de produção) na linha azul na parte superior da tela.

Assimilação de dados

Depois de selecionar a caixa de proteção apropriada, você verá a tela mudar e agora está na sua caixa de proteção dedicada.

Assimilação de dados

No menu esquerdo, clique em Modelos.

DSW

Neste exercício, você usará uma fórmula predefinida para criar um Modelo para Previsões de Vendas de Seguro Automóvel.

In the top menu, click on Recipes.

DSW

Em Fórmulas, você encontrará várias receitas. Procure sua própria receita na lista, que deve ser nomeada ldapCarInsurancePropensity.

DSW

Clique na ldapCarInsurancePropensity fórmula para abri-la.

DSW

Agora você precisa criar seu próprio Modelo, com base na ldapCarInsurancePropensity receita.

Para fazer isso, clique no botão Criar um modelo .

DSW

Para treinar esse modelo, é necessário fornecer um conjunto de dados de entrada. Em nosso caso, o conjunto de dados a ser usado é chamado Demo System - Event Dataset for Website (Global v1.1). Selecione-o na lista.

DSW

Clique em Avançar para continuar.

DSW

Na próxima etapa, é necessário definir um nome para o Modelo. Como convenção de nomenclatura, vamos usar: ldap - CarInsurancePropensity Model e substitua ldap pelo seu ldap.

Exemplo: para ldap vangeluw, o nome se torna vangeluw - CarInsurancePropensity Model.

DSW

Você também pode hiperajustar o Modelo alterando a Configuração do modelo. Para fazer isso, é possível, por exemplo, alterar n_estimators ou max_depth.

DSW

Se desejar atualizar os parâmetros de Configuração do Modelo, clique com o duplo em um dos parâmetros e atribua um novo valor a ele.

Em seguida, clique em Concluir para concluir a configuração.

DSW

Após alguns segundos, você será revertido para a página inicial do Modelo, onde você verá uma Execução de treinamento 1 com o status Pendente. O processo para concluir a execução do treinamento pode levar mais de 5 minutos.

DSW

Após 1 a 2 minutos, o status da sua Execução de treinamento será alterado para Em execução.

DSW

E 1 a 2 minutos depois, o status da Execução de treinamento será alterado para Concluído.

DSW

Quando a Execução de treinamento for concluída, você verá uma Métrica de precisão que indica o sucesso do modelo. (Devido à falta de dados de treinamento, a precisão não diz muito nesta situação de demonstração).

DSW

O treinamento de um modelo requer mais de uma execução. Todas as Execuções de treinamento estarão visíveis nesta página e você poderá comparar seus resultados, para que você possa decidir qual é a mais bem sucedida.
DSW

15.4.2 Pontuar um modelo com base em uma receita

Depois de treinar um modelo, você pode usar o modelo para pontuar e, como tal, fazer com que o modelo calcule as pontuações de Propensão de Venda de Seguro Automóvel que podem ser ativadas por meio da definição de metas.

Para a pontuação dos start, reabra a Execução de treinamento 1 clicando nela.

DSW

Após abrir a Execução de treinamento 1, você verá uma visão geral completa da Execução de treinamento e, no futuro, mais opções de visualização serão adicionadas.

DSW

Para marcar, clique no botão + Pontuação no canto superior direito da tela.

DSW

Na próxima etapa, é necessário selecionar novamente um Conjunto de dados de entrada. Vamos escolher o Demo System - Event Dataset for Website (Global v1.1) conjunto de dados.

DSW

Depois de selecionar o conjunto de dados de entrada, clique em Avançar.

DSW

Na próxima etapa, é necessário selecionar um conjunto de dados para o qual a Plataforma produzirá resultados. Nesse caso, selecione o Demo System - Profile Dataset for ML Predictions (Global v1.1) conjunto de dados.

DSW

Depois de selecionar o conjunto de dados de saída, clique em Avançar.

DSW

Na próxima tela, você pode especificar/alterar novamente alguns parâmetros de Configuração do Modelo.

DSW

Depois de atualizar os parâmetros de Configuração do Modelo, clique em Concluir.

DSW

Uma Execução de Pontuação agora é criada e tem um status Pendente, que será alterado para Em Execução.

DSWDSW

E 1 a 2 minutos depois, o status da Execução de Pontuação será alterado para Concluído.

DSW

E finalmente, vamos pré-visualização nos resultados. Clique em Pontuação Executar 1

DSW

Em seguida, clique no Conjunto de Dados de Resultados da Pontuação de Pré-visualização.

DSW

DSW

Clique em Fechar para fechar a janela Resultados da Pontuação de Pré-visualização.

Próxima etapa: 15.5 Publicar sua receita como um serviço programado

Voltar ao módulo 15

Voltar para todos os módulos

Nesta página