Eseguire il training e la valutazione di un modello in Data Science Area di lavoro interfaccia

In Adobe Experience Platform Data Science Area di lavoro viene creato un modello di Machine Learning incorporando una ricetta esistente appropriata per l'intento del modello. Il modello viene quindi addestrato e valutato per ottimizzarne l'efficienza operativa e l'efficacia mettendo a punto gli iperparametri associati. Le ricette sono riutilizzabili, il che significa che più modelli possono essere creati e personalizzati per scopi specifici con una singola ricetta.

In questo esercitazione vengono illustrati i passaggi per creare, addestrare e valutare un modello.

Introduzione

Per completare questa esercitazione, è necessario disporre di 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 esercitazione richiede una ricetta esistente. Se non hai una ricetta, seguire il Importa una ricetta confezionata nella interfaccia esercitazione prima di continuare.

Crea un modello

In Experience Platform, seleziona la scheda Modelli situata nella navigazione sinistra, quindi seleziona l'scheda Sfoglia per visualizzare i modelli esistenti. Seleziona Crea modello in alto a destra della pagina per iniziare un processo di creazione modello.

Sfoglia l'elenco delle ricette esistenti, individua e seleziona la ricetta da utilizzare per creare il modello e seleziona Successivo.

Seleziona un set di dati di input appropriato e seleziona Avanti. In questo modo verrà impostato il set di dati di addestramento di input predefinito per il modello.

Fornite un nome per il modello ed esaminate le configurazioni del modello di default. Le configurazioni di default venivano applicate durante la creazione della ricetta, esaminando e modificando i valori di configurazione facendo doppio clic sui valori.

Per fornire un nuovo set di configurazioni, seleziona Carica nuova configurazione e trascina un file JSON contenente le configurazioni del modello nella finestra del browser. Selezionare Fine per creare il modello.

Crea un'esecuzione training

In Experience Platform, seleziona la scheda Modelli situata nella navigazione sinistra, quindi seleziona l'scheda Sfoglia per visualizzare i modelli esistenti. Trova e seleziona il collegamento ipertestuale allegato al nome del modello che desideri addestrare.

Vengono elencate tutte le esecuzioni di training esistenti con stato training corrente. Per i modelli creati utilizzando l'interfaccia Data Science Workspace utente, viene generata ed eseguita automaticamente una training esecuzione utilizzando le configurazioni predefinite e l'input training set di dati.

Crea una nuova training selezionando Treno in alto a destra nella pagina di panoramica del modello.

Seleziona il set di dati di input training per l'esecuzione training, quindi seleziona Successivo.

Vengono mostrate le configurazioni predefinite fornite durante la creazione del modello, modificarle e modificarle di conseguenza facendo doppio clic sui valori. Selezionare Fine per creare ed eseguire la training esecuzione.

Valutare il modello

Ad Experience Platform, seleziona la scheda Modelli nell'area di navigazione a sinistra, quindi seleziona la scheda Sfoglia per visualizzare i modelli esistenti. Trova e seleziona il collegamento ipertestuale associato al nome del Modello che desideri valutare.

Vengono elencate tutte le esecuzioni di training esistenti con stato training corrente. Con più esecuzioni di training completate, le metriche di valutazione possono essere confrontate tra diverse esecuzioni di training nella tabella di valutazione del modello. Seleziona una metrica di valutazione utilizzando l'elenco a discesa sopra il grafico.

La metrica MAPE (Mean Absolute Percent Errore) esprime la precisione come percentuale dell'errore. Viene utilizzato per identificare l’esperimento con le prestazioni migliori. Più basso è il MAPE, meglio è.

La metrica "Precisione" descrive la percentuale di istanze rilevanti rispetto al totale di istanze recuperate. La precisione può essere vista come la probabilità che un risultato selezionato casualmente sia corretto.

Se si seleziona un'esecuzione di training specifica, vengono forniti i dettagli di tale esecuzione aprendo la pagina di valutazione. Questa operazione può essere eseguita lineare prima che l'esecuzione sia stata completata. Nella pagina di valutazione è possibile visualizzare altre metriche di valutazione, parametri di configurazione e visualizzazioni specifiche per l'esecuzione training.

Puoi anche scaricare i registri delle attività per visualizzare i dettagli dell'esecuzione. I registri sono particolarmente utili per le esecuzioni non riuscite per vedere cosa è andato storto.

Gli iperparametri non possono essere addestrati e un modello deve essere ottimizzato testando diverse combinazioni di iperparametri. Ripetete questa training del modello e il processo di valutazione fino a quando non avrete ottenuto un modello ottimizzato.

Passaggi successivi

Questo esercitazione ti ha guidato attraverso la creazione, l'training e la valutazione di un modello in Data Science Workspace. Una volta ottenuto un modello ottimizzato, è possibile utilizzare il modello sottoposto a training per generare informazioni dettagliate seguendo il punteggio di un modello nella esercitazione interfaccia .

Riferimenti reference

Configurazioni ricetta vendita al dettaglio

Gli iperparametri determinano il comportamento di addestramento del modello, la modifica degli iperparametri influisce sulla precisione e sull'accuratezza del modello:

Ulteriori parametri determinano le proprietà tecniche del modello: