Punteggio di un modello nell’interfaccia utente di Data Science Workspace

Il punteggio in Adobe Experience Platform Data Science Workspace può essere ottenuto inserendo i dati di input in un modello addestrato esistente. I risultati del punteggio vengono quindi memorizzati e visualizzabili in un set di dati di output specificato come nuovo batch.

Questo tutorial illustra i passaggi necessari per assegnare un punteggio a un modello nell'interfaccia utente Data Science Workspace.

Introduzione

Per completare questa esercitazione, devi avere accesso a Experience Platform. Se non si dispone dell'accesso a un'organizzazione in Experience Platform, contattare l'amministratore di sistema prima di procedere.

Questo tutorial richiede un modello addestrato. Se non disponi di un modello addestrato, segui l'esercitazione addestrare e valutare un modello nell'interfaccia utente prima di continuare.

Creare una nuova esecuzione di punteggio

Un’esecuzione di punteggio viene creata utilizzando configurazioni ottimizzate da un’esecuzione di apprendimento precedentemente completata e valutata. L’insieme di configurazioni ottimali per un modello viene in genere determinato esaminando le metriche di valutazione dell’esecuzione dell’addestramento.

Trova l’esecuzione di apprendimento più ottimale per utilizzare le sue configurazioni per il punteggio. Aprire quindi l'esercitazione desiderata selezionando il collegamento ipertestuale associato al nome.

Dalla scheda dell'esecuzione del training Evaluation, seleziona Score che si trova in alto a destra dello schermo. Viene avviato un nuovo flusso di lavoro di assegnazione del punteggio.

Selezionare il set di dati di punteggio di input e selezionare Next.

Seleziona il set di dati di punteggio di output, ovvero il set di dati di output dedicato in cui vengono memorizzati i risultati del punteggio. Conferma la selezione e seleziona Next.

Nell’ultimo passaggio del flusso di lavoro viene richiesto di configurare l’esecuzione del punteggio. Queste configurazioni vengono utilizzate dal modello per l’esecuzione del punteggio.
Non è possibile rimuovere i parametri ereditati impostati durante la creazione dei modelli. Puoi modificare o ripristinare i parametri non ereditati facendo doppio clic sul valore o selezionando l’icona Ripristina mentre passi il puntatore sulla voce.

Rivedere e confermare le configurazioni di punteggio e selezionare Finish per creare ed eseguire l'esecuzione del punteggio. Si è indirizzati alla scheda Scoring Runs e viene visualizzata la nuova esecuzione del punteggio con lo stato Pending.

È possibile visualizzare un’esecuzione di punteggio con uno dei seguenti stati:

Gli stati vengono aggiornati automaticamente. Procedere al passaggio successivo se lo stato è Complete o Failed.

Visualizzare i risultati del punteggio

Per visualizzare i risultati del punteggio, inizia selezionando un’esecuzione di apprendimento.

Sei stato reindirizzato alla pagina dei corsi di formazione Evaluation. Nella parte superiore della pagina di valutazione dell'esecuzione del training, selezionare la scheda Scoring Runs per visualizzare una lista delle esecuzioni di punteggio esistenti.

Quindi, seleziona un’esecuzione di punteggio per visualizzarne i dettagli.

Se lo stato dell'esecuzione del punteggio selezionata è "Completato" o "Non riuscito", il collegamento View Activity Logs verrà reso disponibile. Se l’esecuzione di un punteggio non riesce, i registri di esecuzione possono fornire informazioni utili per determinare la causa dell’errore. Per scaricare i registri di esecuzione, selezionare View Activity Logs.

Verrà visualizzato il popover View activity logs. Seleziona un URL per scaricare automaticamente i registri associati.

È inoltre possibile visualizzare i risultati del punteggio selezionando Preview scoring results dataset.

Viene fornita un’anteprima del set di dati di output.

Per il set completo dei risultati del punteggio, selezionare il collegamento Scoring Results Dataset nella colonna di destra.

Passaggi successivi

Questo tutorial illustra i passaggi necessari per valutare i dati utilizzando un modello addestrato in Data Science Workspace. Segui l'esercitazione su pubblicazione di un modello come servizio nell'interfaccia utente per consentire agli utenti della tua organizzazione di valutare i dati fornendo un facile accesso a un servizio di machine learning.