Maak de schema's en gegevenssets voor het waarschijnlijkheidsmodel Luma
Deze zelfstudie biedt u de voorwaarden en elementen die vereist zijn voor alle andere Adobe Experience Platform Data Science Workspace -zelfstudies. Zodra volledig, zullen de volgende schema's en de datasets voor u en uw organisatie beschikbaar zijn.
Schema's:
- Luma-webgegevensschema
- Score resultaatschema van eigenschappenmodel
Datasets:
- Luminagewebgegevensset
- Gegevensset betreffende de opleiding van het propensatiemodel
- Gegevensset met scores op basis van eigenschapmodel
- Gegevensset van de resultaten van scores voor het betrouwbaarheidsmodel
Download de middelen assets
De volgende zelfstudie gebruikt een aangepast waarschijnlijkheidsmodel voor aanschaf Luma. Alvorens te werk te gaan, download de vereiste activazip omslag. Deze map bevat:
- De aanschafneigheidsmodellaptop
- Een notebook dat wordt gebruikt om gegevens in te voegen in een trainings- en scoregegevensset (een subset van de Luma-webgegevens)
- Een demo-JSON-bestand met de webgegevens van 730.000 Luma-gebruikers
- Een optioneel Python 3 EDA-notebook (verkennende gegevensanalyse) dat kan worden gebruikt voor het begrijpen van de webgegevens en het webmodel.
Maak het webgegevensschema Luma en voeg de gegevens in
Als u een model wilt maken, moet u beschikken over een dataset in Platform waarmee u uw model kunt trainen en scoren. De volgende videoleerprogramma van de cursus van de Werkruimte van de Wetenschap van Gegevensloopt u door het creëren van het schema van de Luma en het opnemen van de gegevens die door het model van de koopkracht worden gebruikt.
Maak de datasets voor training, scores en scores voor resultaten
Als u het recept builder-notebook wilt gebruiken of de API wilt gebruiken om een model op te leiden en te scoren, moet u de gegevenssets en schema's opgeven die worden gebruikt voor training/scores. In de volgende videozelfstudie worden de gegevenssets met trainingsresultaten, scores en scores weergegeven, evenals het schema voor scores dat wordt gebruikt in het aanschafmodel Luma.
Volgende stappen
Aan de hand van deze zelfstudie hebt u de vereiste schema's en gegevenssets voor het waarschijnlijkheidsmodel Luma gemaakt. U bent nu bereid om aan het volgende leerprogramma verder te gaan en het model tot stand te brengen gebruikend het recept builder notitieboekjeleerprogramma.
Bovendien kunt u de gegevens verkennen met behulp van de geleverde EDA-laptop (Exploratory Data Analysis). Deze laptop kan worden gebruikt om inzicht te krijgen in de patronen in de Luminagegegevens, de gegevenshygiëne te controleren en een overzicht te geven van de relevante gegevens voor het voorspellende-heimodel. Meer over de Verkennende Analyse van Gegevens leren, bezoek de documentatie EDA.