在数据科学Workspace UI中培训和评估模型

在Adobe Experience Platform数据科学Workspace中，机器学习模型通过合并适用于模型意图的现有方法而创建。 然后对该模型进行训练和评估，以通过微调其相关的超参数来优化其运行效率和功效。 配方可重复使用，这意味着只需一个配方，即可创建多个模型并根据特定目的对其进行定制。

本教程将逐步介绍创建、训练和评估模型的步骤。

快速入门

要完成本教程，您必须拥有Experience Platform的访问权限。 如果您无权访问Experience Platform中的组织，请在继续之前与系统管理员交谈。

本教程需要现有方法。 如果您没有方法，请按照在UI中导入打包的方法教程中的说明继续操作。

创建模型

在Experience Platform中，选择位于左侧导航栏中的​ 模型 ​选项卡，然后选择“浏览”选项卡以查看现有模型。 选择页面右上角附近的​ 创建模型 ​以开始模型创建过程。

浏览现有方法列表，查找并选择要用于创建模型的方法并选择​ 下一步。

选择适当的输入数据集并选择​ 下一步。 这将为模型设置默认输入训练数据集。

提供模型的名称并查看默认模型配置。 在方法创建、查看和修改配置值期间应用了默认配置，方法是双击值。

要提供一组新配置，请选择​ 上载新配置，然后将包含模型配置的JSON文件拖到浏览器窗口中。 选择​ 完成 ​以创建模型。

创建训练运行

在Experience Platform中，选择位于左侧导航栏中的​ 模型 ​选项卡，然后选择“浏览”选项卡以查看现有模型。 查找并选择附加到要训练的模型名称的超链接。

列出所有现有训练运行及其当前训练状态。 对于使用Data Science Workspace用户界面创建的模型，使用默认配置和输入训练数据集自动生成并执行训练运行。

通过选择模型概述页面右上角附近的​ 训练 ​来创建新的训练运行。

为训练运行选择训练输入数据集，然后选择​ 下一步。

模型创建期间提供的默认配置将显示出来，通过双击值可相应地更改和修改这些配置。 选择​ 完成 ​以创建和执行训练运行。

评估模型

在Experience Platform中，选择位于左侧导航栏中的​ 模型 ​选项卡，然后选择“浏览”选项卡以查看现有模型。 查找并选择附加到要评估的模型名称的超链接。

列出所有现有训练运行及其当前训练状态。 对于多个已完成的训练运行，可以在模型评估图表中跨不同的训练运行比较评估指标。 使用图表上方的下拉列表选择评估量度。

平均绝对百分比误差(MAPE)度量以误差百分比表示精度。 这用于标识表现最佳的试验。 MAPE越低越好。

“精度”量度描述了相关实例与检索的​ 个 ​实例总数之间的百分比。 精度可以看作是随机选择结果正确的可能性。

通过选择特定的训练运行，可通过打开评估页面来提供运行的详细信息。 甚至可以在运行完成之前完成此操作。 在评估页面上，您可以看到特定于训练运行的其他评估指标、配置参数和可视化图表。

您还可以下载活动日志以查看运行的详细信息。 日志对于失败运行以查看错误情况特别有用。

不能训练超参数，必须通过测试不同的超参数组合来优化模型。 重复此模型训练和评估过程，直到到达优化模型为止。

后续步骤

本教程将指导您在Data Science Workspace中创建、培训和评估模型。 到达优化模型后，可以使用经过训练的模型生成见解，方法是按照在UI中对模型评分教程进行操作。

参考 reference

零售方法配置

超参数决定了模型的训练行为，修改超参数将会影响模型的精度和精度：

其它参数可确定模型的技术属性：