Luma 傾向モデルのスキーマとデータセットの作成
- トピック：
- データサイエンスワークスペース
作成対象：
- ユーザー
- 開発者
メモこのチュートリアルでは、他のすべての Adobe Experience Platform Data Science Workspace チュートリアルに必要な前提条件とアセットを提供します。 完了すると、ユーザーと組織が次のスキーマとデータセットを使用できるようになります。
スキーマ：
- Luma web データスキーマ
- 傾向モデルスコアリング結果スキーマ
データセット：
- Luma web データセット
- 傾向モデルトレーニングデータセット
- 傾向モデルスコアリングデータセット
- 傾向モデルスコアリング結果データセット
アセットのダウンロード
次のチュートリアルでは、カスタム Luma の購入傾向モデルを使用します。 先に進む前に、 必要なアセットをダウンロードzip フォルダーを作成します。 このフォルダーには次が含まれます。
- 購入傾向モデルノートブック
- データをトレーニングおよびスコアリングデータセット（Luma web データのサブセット）に取り込むために使用されるノートブック
- 730,000 人の Luma ユーザーの web データを含んだデモ JSON ファイル
- Web データとモデルを理解するのに役立つ、オプションの Python 3 EDA （探索的データ分析）ノートブック。
メモLuma web データスキーマの作成とデータの取り込み
モデルを作成するには、モデルのトレーニングとスコアリングに使用するデータセットをExperience Platformに用意する必要があります。 Data Science Workspace コースの次のビデオチュートリアルでは、Luma スキーマを作成し、購入の傾向モデルで使用されるデータを取り込む方法を説明します。
トレーニング、スコアリングおよびスコアリング結果のデータセットを作成
レシピビルダーノートブックを実行したり、API を使用してモデルのトレーニングとスコアリングを行ったりするには、トレーニング/スコアリングに使用するデータセットとスキーマを指定する必要があります。 次のビデオチュートリアルでは、トレーニング、スコアリング、スコアリング結果の各データセットのほか、Luma の購入傾向モデルで使用されるスコアリング結果スキーマの設定について説明します。
次の手順
このチュートリアルでは、Luma 傾向モデルに必要なスキーマとデータセットを正常に作成しました。 次のチュートリアルに進み、「 レシピビルダーノートブックチュートリアルを使用してモデルを作成する準備が整いました。
さらに、提供された探索的データ分析（EDA）ノートブックを使用してデータを調べることができます。 このノートブックを使用すると、Luma データのパターンを理解し、データのサニティを確認し、予測傾向モデルの関連データの概要を確認できます。 探索的データ分析について詳しくは、EDA ドキュメントを参照してください。