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:
ACP_DSW_INPUT_FEATURES
ACP_DSW_TARGET_FEATURES
ACP_DSW_FEATURE_UPDATE_SUPPORT
ACP_DSW_TRAINING_XDM_SCHEMA
evaluation.labelColumn
evaluation.metrics
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA