建立Luma傾向模型結構描述和資料集

此教學課程提供您所有其他Adobe Experience Platform Data Science Workspace教學課程所需的先決條件和資產。 完成後,您和您的組織將可以使用以下結構描述和資料集。

結構描述:

  • Luma Web資料結構
  • 傾向模型評分結果結構描述

資料集:

  • Luma網路資料集
  • 傾向性模型訓練資料集
  • 傾向模型評分資料集
  • 傾向模型評分結果資料集

下載資產 assets

以下教學課程使用自訂Luma購買傾向模型。 繼續之前,下載必要的資產 zip資料夾。 此資料夾包含:

  • 購買傾向性機型筆記型電腦
  • 用來將資料內嵌至訓練和評分資料集(Luma網路資料的子集)的筆記本
  • 包含730,000名Luma使用者之網頁資料的示範JSON檔案
  • 選購的Python 3 EDA (探索資料分析)筆記型電腦,可用來協助瞭解網路資料和模型。
NOTE
您可以將自己的結構和資料用於任何教學課程。 但是,除非提供適當的組態檔和需求檔案,否則資產中提供的示範模型無法運作。 此示範傾向模型旨在搭配Luma網頁資料使用。

建立Luma Web資料結構描述並擷取資料

為了建立模型,Platform中必須有資料集,可用來對模型進行訓練和評分。 下列來自Data Science Workspace課程的影片教學課程,將逐步引導您建立Luma結構描述及擷取購買傾向模型使用的資料。

建立訓練、評分和評分結果資料集

若要執行配方產生器筆記本或使用API來訓練和評分模型,您必須指定用於訓練/評分的資料集和結構描述。 以下影片教學課程會逐步引導您設定訓練、評分和評分結果資料集,以及Luma購買傾向模型中使用的評分結果結構描述。

後續步驟

依照本教學課程,您已成功建立Luma傾向模型所需的結構描述和資料集。 您現在已準備好繼續下一個教學課程,並使用配方產生器筆記本教學課程建立模型。

此外,您可以使用提供的探索資料分析(EDA)筆記本來探索資料。 此筆記本可用來協助瞭解Luma資料中的模式、檢查資料健全度,並總結預測傾向模型的相關資料。 若要進一步瞭解探索資料分析,請造訪EDA檔案

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9