Gegevensschema
Dit recept gebruikt schema's XDMom de gegevens te modelleren. Het schema dat voor dit recept wordt gebruikt wordt hieronder getoond:
Veldnaam | Type |
---|---|
userId | String |
genderverhouding | Getal |
ageY | Getal |
ageM | Getal |
optionEmail | Boolean |
OptionMobile | Boolean |
optinAddress | Boolean |
gemaakt | Geheel |
totalOrders | Getal |
totalItems | Getal |
orderDate1 | Getal |
ShippingDate1 | Getal |
totalPrice1 | Getal |
tax1 | Getal |
orderDate2 | Getal |
ShippingDate2 | Getal |
totalPrice2 | Getal |
Algorithm
Eerst, wordt de opleidingsdataset in het ProductPrediction schema geladen. Van hier, wordt het model getraind gebruikend a random forest classifier. Random forest classifier is een type gecodeerd algoritme dat verwijst naar een algoritme dat meerdere algoritmen combineert om betere voorspellende prestaties te verkrijgen. Het idee achter het algoritme is dat de willekeurige bosclassificator veelvoudige besluitvormingsbomen bouwt en hen samenvoegt om een nauwkeurigere en stabielere voorspelling tot stand te brengen.
Dit proces begint met het maken van een reeks beslissingsstructuren die willekeurig subsets van trainingsgegevens selecteren. Daarna wordt het gemiddelde van de resultaten van elke beslissingsboom genomen.
Experience Platform
- Overzicht van Data Science Workspace
- Toegang tot en functies van Data Science Workspace
- Data Science Workspace-analyse
- JupyterLab-laptops
- Sensei Machine Learning-API
- Vooraf gebouwde recepten
- Modellen ontwerpen
- Zelfstudies over modellen en recept
- Handleiding voor probleemoplossing
- API verwijzing
- de versienota’s van het Platform