Een verpakt recept importeren in de gebruikersinterface van Data Science Workspace

Deze zelfstudie biedt inzicht in het configureren en importeren van een verpakt recept met behulp van het meegeleverde voorbeeld Detailhandel. Aan het einde van deze zelfstudie bent u klaar om een model te maken, te trainen en te evalueren in Adobe Experience Platform Data Science Workspace .

Vereisten

Voor deze zelfstudie is een recept in een pakket nodig in de vorm van een URL voor een Docker-afbeelding. Zie het leerprogramma op hoe te brondossiers van het Pakket in Ontvangervoor meer informatie.

UI-workflow

Voor het importeren van een verpakt recept in Data Science Workspace zijn specifieke recept-configuraties nodig, gecompileerd in één JSON-bestand (JavaScript Object Notation). Deze compilatie van recept-configuraties wordt het configuratiebestand genoemd. Een verpakt recept met een bepaalde set configuraties wordt een recept-exemplaar genoemd. Met één recept kunt u veel recept-instanties maken in Data Science Workspace .

De workflow voor het importeren van een pakketrecept bestaat uit de volgende stappen:

Een recept configureren configure

Elk recept-exemplaar in Data Science Workspace gaat vergezeld van een set configuraties die het recept-exemplaar aanpassen aan een bepaalde gebruikscase. De dossiers van de configuratie bepalen het standaardopleiding en het scoren gedrag van een Model dat gebruikend dit recept geval wordt gecreeerd.

Hieronder ziet u een voorbeeldconfiguratiebestand met standaardtraining en scoring voor het detailhandelsverkooprecept.

[
    {
        "name": "train",
        "parameters": [
            {
                "key": "learning_rate",
                "value": "0.1"
            },
            {
                "key": "n_estimators",
                "value": "100"
            },
            {
                "key": "max_depth",
                "value": "3"
            },
            {
                "key": "ACP_DSW_INPUT_FEATURES",
                "value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
            },
            {
                "key": "ACP_DSW_TARGET_FEATURES",
                "value": "weeklySales"
            },
            {
                "key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
                "value": false
            },
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key": "ACP_DSW_TRAINING_XDM_SCHEMA",
                "value": "{SEE BELOW FOR DETAILS}"
            },
            {
                "key": "evaluation.labelColumn",
                "value": "weeklySalesAhead"
            },
            {
                "key": "evaluation.metrics",
                "value": "MAPE,MAE,RMSE,MASE"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
                "value":"{SEE BELOW FOR DETAILS}"
            }
        ]
    }
]

Voor deze zelfstudie kunt u de standaardconfiguratiebestanden voor het recept voor detailhandel in de Data Science Workspace Referentie opgeven zoals ze zijn.

Op Docker gebaseerde recept importeren - Python python

Begin door te navigeren en Workflows te selecteren in de linkerbovenhoek van de gebruikersinterface van Platform . Daarna, selecteer het recept van de Invoer en selecteer Launch.

vormt pagina voor het recept van de Invoer werkschema verschijnt. Voer een naam en beschrijving voor het recept in en selecteer vervolgens Next in de rechterbovenhoek.

Zodra u op de Uitgezochte bron pagina bent, kleef het Dok URL die aan het verpakte recept beantwoordt dat gebruikend Python brondossiers in het Source URL gebied wordt gebouwd. Daarna, voer het verstrekte configuratiedossier door te slepen en te laten vallen in, of gebruik Browser van het dossiersysteem ​. Het opgegeven configuratiebestand is te vinden op experience-platform-dsw-reference/recipes/python/retail/retail.config.json . Selecteer Python in de Runtime daling neer en Classification in de Type daling. Zodra alles is ingevuld, uitgezochte Next in de hoger-juiste hoek om aan te werk te gaan leidt schema's.

Daarna, selecteer de de input en outputschema's van de Verkoop van de Detailhandel onder de sectie leiden Schema's, werden zij gecreeerd gebruikend het verstrekte laarzentrekkermanuscript in creeer het detailhandelschema en datasetleerprogramma.

Onder de sectie van het Beheer van de Eigenschap 0} {, selecteer op uw huurdersidentificatie in de schemakijker om het de inputschema van de Verkoop van de Detailhandel uit te breiden. Selecteer de invoer- en uitvoerfuncties door de gewenste functie te markeren en selecteer Input Feature of Target Feature in het rechtervenster Field Properties . In deze zelfstudie stelt u weeklySales in als de Target Feature en alles als Input Feature . Selecteer Next om uw nieuwe geconfigureerde recept te bekijken.

Bekijk het recept, voeg configuraties toe, wijzig of verwijder configuraties zoals nodig. Selecteer Finish om het recept te maken.

Ga aan de volgende stappente werk om te weten te komen hoe te om een Model in Data Science Workspace tot stand te brengen gebruikend het pas gecreëerde Commerciële recept van de Verkoop.

Op Docker gebaseerde recept importeren - R r

Begin door te navigeren en Workflows te selecteren in de linkerbovenhoek van de gebruikersinterface van Platform . Daarna, selecteer het recept van de Invoer en selecteer Launch.

vormt pagina voor het recept van de Invoer werkschema verschijnt. Voer een naam en beschrijving voor het recept in en selecteer vervolgens Next in de rechterbovenhoek.

Zodra u op de Uitgezochte bron pagina bent, kleef het Docker URL die aan het verpakte recept beantwoordt dat gebruikend R brondossiers in het Source URL gebied wordt gebouwd. Daarna, voer het verstrekte configuratiedossier door te slepen en te laten vallen in, of gebruik Browser van het dossiersysteem ​. Het opgegeven configuratiebestand is te vinden op experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json . Selecteer R in de Runtime daling neer en Classification in de Type daling. Zodra alles is ingevuld, uitgezochte Next in de hoger-juiste hoek om aan te werk te gaan leidt schema's.

Daarna, selecteer de de input en outputschema's van de Verkoop van de Detailhandel onder de sectie leiden Schema's, werden zij gecreeerd gebruikend het verstrekte laarzentrekkermanuscript in creeer het detailhandelschema en datasetleerprogramma.

Onder de sectie van het Beheer van de Eigenschap 0} {, selecteer op uw huurdersidentificatie in de schemakijker om het de inputschema van de Verkoop van de Detailhandel uit te breiden. Selecteer de invoer- en uitvoerfuncties door de gewenste functie te markeren en selecteer Input Feature of Target Feature in het rechtervenster Field Properties . In deze zelfstudie stelt u weeklySales in als de Target Feature en alles als Input Feature . Selecteer Next om uw nieuwe gevormde recept te herzien.

Bekijk het recept, voeg configuraties toe, wijzig of verwijder configuraties zoals nodig. Selecteer Afwerking om het recept tot stand te brengen.

Ga aan de volgende stappente werk om te weten te komen hoe te om een Model in Data Science Workspace tot stand te brengen gebruikend het pas gecreëerde Commerciële recept van de Verkoop.

Op docker gebaseerde recept importeren - PySpark pyspark

Begin door te navigeren en Workflows te selecteren in de linkerbovenhoek van de gebruikersinterface van Platform . Daarna, selecteer het recept van de Invoer en selecteer Launch.

vormt pagina voor het recept van de Invoer werkschema verschijnt. Voer een naam en beschrijving voor het recept in en selecteer vervolgens Next in de rechterbovenhoek om door te gaan.

Zodra u op de Uitgezochte bron pagina bent, kleef het Docker URL die aan het verpakte recept beantwoordt dat gebruikend PySpark brondossiers in het Source URL gebied wordt gebouwd. Daarna, voer het verstrekte configuratiedossier door te slepen en te laten vallen in, of gebruik Browser van het dossiersysteem ​. Het opgegeven configuratiebestand is te vinden op experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json . Selecteer PySpark in de Runtime daling neer. Wanneer de PySpark-runtime is geselecteerd, wordt het standaardartefact automatisch gevuld tot Docker . Daarna, selecteer Classification in de Type daling neer. Zodra alles is ingevuld, uitgezochte Next in de hoger-juiste hoek om aan te werk te gaan leidt schema's.

Daarna, selecteer de de input en outputschema's van de Verkoop van de Detailhandel gebruikend beheert Schema's selecteur, werden de schema's gecreeerd gebruikend het verstrekte laarzentrekkermanuscript in creeer het detailhandelschema en de datasetleerprogramma.

Onder de sectie van het Beheer van de Eigenschap 0} {, selecteer op uw huurdersidentificatie in de schemakijker om het de inputschema van de Verkoop van de Detailhandel uit te breiden. Selecteer de invoer- en uitvoerfuncties door de gewenste functie te markeren en selecteer Input Feature of Target Feature in het rechtervenster Field Properties . In deze zelfstudie stelt u weeklySales in als de Target Feature en alles als Input Feature . Selecteer Next om uw nieuwe geconfigureerde recept te bekijken.

Bekijk het recept, voeg configuraties toe, wijzig of verwijder configuraties zoals nodig. Selecteer Finish om het recept te maken.

Ga aan de volgende stappente werk om te weten te komen hoe te om een Model in Data Science Workspace tot stand te brengen gebruikend het pas gecreëerde Commerciële recept van de Verkoop.

Op Docker gebaseerde recept importeren - Scala scala

Begin door te navigeren en Workflows te selecteren in de linkerbovenhoek van de gebruikersinterface van Platform . Daarna, selecteer het recept van de Invoer en selecteer Launch.

vormt pagina voor het recept van de Invoer werkschema verschijnt. Voer een naam en beschrijving voor het recept in en selecteer vervolgens Next in de rechterbovenhoek om door te gaan.

Zodra u op de Uitgezochte bron pagina bent, kleef het Dok URL die aan het verpakte recept beantwoordt dat gebruikend Scala brondossiers in het gebied van Source URL wordt gebouwd. Importeer vervolgens het opgegeven configuratiebestand door te slepen en neer te zetten of gebruik de bestandssysteembrowser. Het opgegeven configuratiebestand is te vinden op experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json . Selecteer Spark in de Runtime daling neer. Wanneer de Spark -runtime is geselecteerd, wordt het standaardartefact automatisch gevuld tot Docker . Daarna, selecteer Regression van het Type drop down. Zodra alles is ingevuld, uitgezochte Next in de hoger-juiste hoek om aan te werk te gaan leidt schema's.

Daarna, selecteer de de input en outputschema's van de Verkoop van de Detailhandel gebruikend beheert Schema's selecteur, werden de schema's gecreeerd gebruikend het verstrekte laarzentrekkermanuscript in creeer het detailhandelschema en de datasetleerprogramma.

Onder de sectie van het Beheer van de Eigenschap 0} {, selecteer op uw huurdersidentificatie in de schemakijker om het de inputschema van de Verkoop van de Detailhandel uit te breiden. Selecteer de invoer- en uitvoerfuncties door de gewenste functie te markeren en selecteer Input Feature of Target Feature in het rechtervenster Field Properties . Voor deze zelfstudie stelt u "weeklySales" in als de Target Feature en alles als Input Feature . Selecteer Next om uw nieuwe geconfigureerde recept te bekijken.

Bekijk het recept, voeg configuraties toe, wijzig of verwijder configuraties zoals nodig. Selecteer Finish om het recept te maken.

Ga aan de volgende stappente werk om te weten te komen hoe te om een Model in Data Science Workspace tot stand te brengen gebruikend het pas gecreëerde Commerciële recept van de Verkoop.

Volgende stappen next-steps

Deze zelfstudie gaf inzicht in het configureren en importeren van een recept in Data Science Workspace . U kunt nu een model maken, trainen en evalueren met het nieuwe recept.