8.3 Modello di formazione e sperimentazione

Quindi avete preparato i vostri dati, creato il vostro modello e confezionato per testarlo in scala come ricetta. Ora andiamo avanti e proviamo il modello.

L'URL per accedere a Adobe Experience Platform è: https://experience.adobe.com/platform

8.3.1 - Formare un modello basato su una ricetta

Accedi a Adobe Experience 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.

In questo esercizio, utilizzerai la ricetta creata in precedenza per formulare raccomandazioni sui prodotti.
Nel menu principale, fai clic su Ricette.

DSW

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

Fai clic su ldapRecommendations ricetta per aprirla.

DSW

Ora è necessario creare un modello personalizzato, in base alla ldapRecommendations ricetta.
A tale scopo, fai clic sul pulsante Crea modello pulsante .

DSW

Per addestrare questo modello, è necessario fornirgli un set di dati di input. Nel nostro caso, hai generato dati per questo set di dati di input in 1 e il set di dati di input ora contiene informazioni sui dati di acquisto del prodotto.
Il set di dati da utilizzare è denominato Demo System - Event Dataset for Recommendations Model Input (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 - Recommendations Model e sostituiscono ldap dal tuo ldap.

Esempio: per ldap vangeluw, il nome diventa vangeluw - Recommendations Model.

DSW

È inoltre possibile ottimizzare il modello modificando la configurazione del modello. A questo scopo, puoi modificare il numero di raccomandazioni e la frazione di campionamento.

DSW

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

Per esempio, vorrei avere 3 consigli con una frazione di campionamento di 0,8.

DSW

Dopo aver modificato questi valori, 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

Al termine della procedura di formazione, vengono visualizzate un paio di metriche che indicano la qualità dell’esecuzione:

  • Richiama è anche noto come True Positive Rate e anche come Sensibilità: se il risultato reale era Sì, quanto spesso il modello ha previsto Sì?

DSW

  • Precisione mezzi: Quando il modello prevede Sì, quanto spesso è corretto?

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

Dopo aver addestrato il modello, ora segniamolo nell'esercizio successivo.

Passaggio successivo: 8.4 - Punteggio e consumo di informazioni approfondite

Torna al modulo 8

Torna a tutti i moduli

In questa pagina