在資料科學Workspace UI中匯入封裝的配方

本教學課程向insight說明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

將封裝配方匯入至Data Science Workspace需要特定的配方組態，編譯成單一JavaScript物件標籤法(JSON)檔案，此配方組態編譯稱為組態檔。 具有特定組態的封裝配方稱為配方例項。 一個配方可用來在Data Science Workspace中建立許多配方執行個體。

匯入套裝程式配方的工作流程包含下列步驟：

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​Workflows UI左上角的Experience Platform。 接著，選取​ 匯入配方 ​並選取​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​Next。

一旦您進入​ 選取來源 ​頁面，請在Python欄位中貼上對應使用​ Source URL ​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/python/retail/retail.config.json找到。 在​ Python ​執行階段​下拉式清單中選取，並在​ Classification ​型別​下拉式清單中選取。 填寫完畢後，選取右上角的​ Next ​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。 反白所需的功能，然後在右側​ Input Feature ​視窗中選取​ Target Feature ​或​Field Properties，以選取輸入和輸出功能。 在本教學課程中，請將​ weeklySales ​設為​Target Feature，並將其他專案設為​Input Feature。 選取​ Next ​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​ Finish ​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​Workflows UI左上角的Experience Platform。 接著，選取​ 匯入配方 ​並選取​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​Next。

進入​ 選取來源 ​頁面後，在​ Source URL ​欄位中貼上與R來源檔案建置之封裝配方相對應的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/R/Retail\ -\ GradientBoosting/retail.config.json找到。 在​ R ​執行階段​下拉式清單中選取，並在​ Classification ​型別​下拉式清單中選取。 填寫完畢後，選取右上角的​ Next ​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。 反白所需的功能，然後在右側​ Input Feature ​視窗中選取​ Target Feature ​或​Field Properties，以選取輸入和輸出功能。 在本教學課程中，請將​ weeklySales ​設為​Target Feature，並將其他專案設為​Input Feature。 選取​ Next ​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 — PySpark pyspark

首先，瀏覽並選取位於​Workflows UI左上角的Experience Platform。 接著，選取​ 匯入配方 ​並選取​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​ Next ​以繼續。

進入​ 選取來源 ​頁面後，在​ Source URL ​欄位中貼上與PySpark來源檔案建置的封裝配方相對應的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​ PySpark ​執行階段​下拉式清單中選取。 選取PySpark執行階段後，預設成品會自動填入​Docker。 接下來，在​ Classification ​型別​下拉式清單中選取。 填寫完畢後，選取右上角的​ Next ​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 ​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。 反白所需的功能，然後在右側​ Input Feature ​視窗中選取​ Target Feature ​或​Field Properties，以選取輸入和輸出功能。 在本教學課程中，請將​ weeklySales ​設為​Target Feature，並將其他專案設為​Input Feature。 選取​ Next ​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​ Finish ​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 — Scala scala

首先，瀏覽並選取位於​Workflows UI左上角的Experience Platform。 接著，選取​ 匯入配方 ​並選取​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​ Next ​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​ Spark ​執行階段​下拉式清單中選取。 選取Spark執行階段後，預設成品會自動填入​Docker。 接下來，從​ Regression ​型別​下拉式清單中選取。 填寫完畢後，選取右上角的​ Next ​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 ​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。 反白所需的功能，然後在右側​ Input Feature ​視窗中選取​ Target Feature ​或​Field Properties，以選取輸入和輸出功能。 在本教學課程中，請將"weeklySales"設為​Target Feature，並將其他專案設為​Input Feature。 選取​ Next ​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​ Finish ​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insight。 您現在可以使用新建立的配方來建立、訓練及評估模型。