نبذة عامة
يستخدم نمط رمز المطور هذا مشغل Predict Plus لمنصة Findability Platform (FP) من متجر Red Hat® Marketplace للتنبؤ بإنفاق العملاء باستخدام البيانات التاريخية وإظهار العملية الآلية لنماذج البناء.
الوصف
التعلم الآلي هو مجال كبير للدراسة يتداخل ويرث الأفكار من العديد من المجالات ذات الصلة ، مثل الذكاء الاصطناعي. ينصب تركيز المجال على التعلم - أي اكتساب المهارات أو المعرفة من التجربة. الأكثر شيوعًا ، هذا يعني تجميع مفاهيم مفيدة من البيانات التاريخية. على هذا النحو ، هناك العديد من أنواع التعلم التي قد تواجهها كممارس في مجال التعلم الآلي من مجالات الدراسة الكاملة إلى تقنيات محددة.
الانحدار في التعلم الآلي والإحصاء هو نهج التعلم الخاضع للإشراف حيث يتعلم برنامج الكمبيوتر من البيانات المعطاة له لعمل ملاحظات أو تنبؤات جديدة. في هذه التقنية ، يحتوي المتغير المستهدف على قيم مستمرة تتراوح من صفر إلى ما لا نهاية. تتضمن أمثلة مشاكل الانحدار مع البيانات التاريخية المحددة ما يلي:
- توقع درجة الحرارة
- توقع المبيعات
- توقع سعر المنزل
- توقع إنفاق العملاء
سنركز على التنبؤ بإنفاق العملاء باستخدام البيانات التاريخية وإظهار العملية الآلية لبناء النماذج باستخدام FP Predict plus المشغل من سوق ريد هات. سنستخدم مشغل FP Predict Plus من Red Hat Marketplace لحل حالة الاستخدام هذه.
عند الانتهاء من هذا النمط ، سوف تفهم كيفية:
- قم بإعداد المثيل بسرعة على مجموعة OpenShift® لبناء النموذج.
- استيعاب البيانات وبدء عملية FP Predict Plus.
- بناء النماذج باستخدام FP Predict Plus وتقييم الأداء.
- اختر أفضل طراز وأكمل النشر.
- قم بإنشاء تنبؤات جديدة باستخدام النموذج المنشور.
التدفق
- يقوم المستخدم بتسجيل الدخول إلى منصة FP Predict Plus باستخدام مثيل عامل تشغيل FP Predict Plus.
- يقوم المستخدم بتحميل ملف البيانات بتنسيق CSV إلى وحدة تخزين Kubernetes على النظام الأساسي.
- يبدأ المستخدم عملية بناء النموذج باستخدام مشغل FP Predict Plus على مجموعة OpenShift ويقوم بإنشاء خطوط أنابيب.
- يقوم المستخدم بتقييم خطوط الأنابيب المختلفة من FP Predict Plus ويختار أفضل نموذج للنشر.
- ينشئ المستخدم تنبؤات دقيقة باستخدام النموذج المنشور.
تعليمات
العثور على الخطوات التفصيلية لهذا النمط في README ملف. ستوضح لك الخطوات كيفية:
- أضف البيانات
- قم بإنشاء وظيفة
- راجع تفاصيل الوظيفة
- تحليل النتائج
- قم بتنزيل ملف النتائج والنموذج
- التنبؤ باستخدام البيانات الجديدة
- إنشاء توقع الوظيفة
- تحقق من ملخص الوظيفة
- تحليل نتائج توقع الوظيفة
- تنزيل النتائج المتوقعة
