在資料科學Workspace UI中匯入封裝的配方

本教學課程深入分析如何使用提供的零售範例來設定和匯入封裝的配方。 在本教學課程結束時，您已準備好在Adobe Experience Platform Data Science Workspace中建立、訓練及評估模型。

先決條件

本教學課程需要以Docker影像URL形式封裝的配方。 如需詳細資訊，請參閱教學課程，瞭解如何將來源檔案封裝成配方。

UI 工作流程

將打包的方式 Data Science Workspace 導入到需要特定的方式配置，編譯成單個JavaScript物件表示法（JSON）檔，這種方式配置的編譯稱為配置檔。 具有一組特定配置的打包方式稱為方式 執行個體。 一個 方式 可用於在 中創建 Data Science Workspace多個方式例項。

匯入包方式的工作流程包括以下步驟：

設定配方 configure

Data Science Workspace中的每個配方執行個體都隨附一組設定，這些設定會量身打造配方執行個體以符合特定使用案例。 組態檔會定義使用此配方執行個體建立之模型的預設訓練和評分行為。

底下是設定檔範例，顯示零售方式預設的培訓和評分行為。

[
    {
        "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}"
            }
        ]
    }
]

就本教學課程而言，您可以在「Data Science Workspace參考」中保留零售方式預設的設定檔。

匯入以Docker為基礎的配方 — Python python

首先，瀏覽並選取位於Platform UI左上方的​ 工作流程。 接著，選取「匯入配方」並選取「啟動」。

此時將显示匯入 方式​ ​ ​工作流程​ 的配置 ​頁面。輸入方式的名稱和描述，然後選擇 右上角的下一個 。

進入“選擇源”頁面後，在“來源 URL”字段中粘貼​ 與使用源文件生成的Python打包方式對應的 Docker URL。下一個，通過拖放導入提供的配置檔，或使用文件系統 瀏覽器。 提供的配置檔可以在 中找到 experience-platform-dsw-reference/recipes/python/retail/retail.config.json。 在​ 執行階段 ​下拉式清單中選取​ Python，並在​ 型別 ​下拉式清單中選取​ 分類。 填寫完畢後，選取右上角的​ 下一步 ​以繼續進行​ 管理結構描述。

接著，在​ 管理結構描述 ​區段下選取零售銷售輸入和輸出結構描述，這些結構描述是使用建立零售銷售結構描述和資料集教學課程中提供的啟動程式指令碼建立的。

在​ 功能管理 ​區段下，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 在右側​ 欄位屬性 ​視窗中選取​ 輸入功能 ​或​ 目標功能，以反白顯示所要的功能，來選取輸入和輸出功能。 在此教學課程中，請將​ weeklySales ​設定為​ 目標功能，並將其他專案設定為​ 輸入功能。 選取​ 下一步 ​以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選取​ 完成 ​以建立配方。

繼續進行後續步驟，瞭解如何使用新建立的零售方式在Data Science Workspace中建立模型。

匯入以Docker為基礎的配方 — R r

首先，瀏覽並選取位於Platform UI左上方的​ 工作流程。 接著，選取「匯入配方」並選取「啟動」。

此時將显示匯入 方式​ ​ ​工作流程​ 的配置 ​頁面。輸入方式的名稱和描述，然後選擇 右上角的下一個 。

進入“ 選擇源 ”頁面後，在“ 來源 URL”字段中粘貼與使用 R 源文件生成的打包方式對應的 Docker URL 。 下一個，通過拖放導入提供的配置檔，或使用文件系統 瀏覽器。 提供的配置檔可以在 中找到 experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json。 在「運行時​ 」下拉清單中選擇“R”，在​ “類型”下拉列表中選擇​ “分類 ​ ”。 ​填寫完畢後，選取右上角的​ 下一步 ​以繼續進行​ 管理結構描述。

接著，在​ 管理結構描述 ​區段下選取零售銷售輸入和輸出結構描述，這些結構描述是使用建立零售銷售結構描述和資料集教學課程中提供的啟動程式指令碼建立的。

在​ 功能管理 ​區段下，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 在右側​ 欄位屬性 ​視窗中選取​ 輸入功能 ​或​ 目標功能，以反白顯示所要的功能，來選取輸入和輸出功能。 在此教學課程中，請將​ weeklySales ​設定為​ 目標功能，並將其他專案設定為​ 輸入功能。 選取​ 下一步 ​以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選取​ 完成 ​以建立配方。

繼續進行後續步驟，瞭解如何使用新建立的零售方式在Data Science Workspace中建立模型。

匯入 基於 Docker 的 方式 - PySpark pyspark

開始方法是瀏覽並選擇​ 位於UI左Platform上角的工作流。下一個，選擇“ 匯入 方式 ”，然後選擇“ Launch”。

匯入配方 ​工作流程的​ 設定 ​頁面隨即顯示。 輸入配方的名稱和說明，然後在右上角選取​ 下一步 ​以繼續。

一旦您進入​ 選取來源 ​頁面，請在​ Source URL ​欄位中貼上對應使用PySpark來源檔案建置之封裝配方的Docker URL。 接著，拖放匯入提供的組態檔，或使用檔案系統​ 瀏覽器。 提供的組態檔可在experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json找到。 在​ 執行階段 ​下拉式清單中選取​ PySpark。 選取PySpark執行階段後，預設成品會自動填入​ Docker。 接著，在​ 型別 ​下拉式清單中選取​ 分類。 填寫完畢後，選取右上角的​ 下一步 ​以繼續進行​ 管理結構描述。

接下來，使用​ 管理結構描述 ​選取器選取零售銷售輸入和輸出結構描述，結構描述是使用建立零售銷售結構描述和資料集教學課程中提供的啟動程式指令碼建立的。

在“功能管理​ ” ​部分下，選擇綱要 檢視者中的租戶標識以展開“零售銷售”輸入綱要。通過突出顯示所需要素並在右側字段窗口中選擇​ 輸入要素或 ​​ Target ​​ 要素來選擇輸入和 ​輸出要素屬性​ 。 ​在此教學課程中，請將​ weeklySales ​設定為​ 目標功能，並將其他專案設定為​ 輸入功能。 選取​ 下一步 ​以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選擇“完成”​ ​以創建方式。

繼續執行 後續步驟 ，瞭解如何使用新創建的零售銷售方式創建模型 Data Science Workspace 。

匯入 基於 Docker 的 方式 - Scala scala

首先，瀏覽並選取位於Platform UI左上方的​ 工作流程。 接著，選取「匯入配方」並選取「啟動」。

匯入配方 ​工作流程的​ 設定 ​頁面隨即顯示。 輸入配方的名稱和說明，然後在右上角選取​ 下一步 ​以繼續。

進入​ 選取來源 ​頁面後，在Source URL欄位中貼上與Scala來源檔案建置的封裝配方相對應的Docker URL。 接著，以拖放方式匯入提供的組態檔案，或使用檔案系統「瀏覽器」。 提供的組態檔可在experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json找到。 在​ 執行階段 ​下拉式清單中選取​ Spark。 選取Spark執行階段後，預設成品會自動填入​ Docker。 接著，從​ 型別 ​下拉式清單中選取​ 回歸。 填寫完畢後，選取右上角的​ 下一步 ​以繼續進行​ 管理結構描述。

下一個，使用“管理架構​ ”選擇器選擇“零售銷售”輸入和輸出架構，這些架構是使用“創建零售銷售綱要和資料集教學課程中提供的引導腳本創建的。

在“功能管理​ ” ​部分下，選擇綱要 檢視者中的租戶標識以展開“零售銷售”輸入綱要。通過突出顯示所需要素並在右側字段窗口中選擇​ 輸入要素或 ​​ Target ​​ 要素來選擇輸入和 ​輸出要素屬性​ 。 ​​為此教學課程，請將“weeklySales”設置為​ Target功能，將其他所有內容設置為​ 輸入功能。選擇 下一個 以查看新配置的方式。

視需要檢閱配方、新增、修改或移除設定。 選取​ 完成 ​以建立配方。

繼續進行後續步驟，瞭解如何使用新建立的零售方式在Data Science Workspace中建立模型。

後續步驟 next-steps

此教學課程提供設定配方並將配方匯入Data Science Workspace的深入分析。 您現在可以使用新建立的配方來建立、訓練及評估模型。