Erstellen Sie ein Regressionsmodell für maschinelles Lernen mit der Findability Platform Predict Plus

Neuauflage von Plato

Verfolger: 0

Zusammenfassung

Dieses Entwicklercodemuster verwendet den Predict Plus-Operator der Findability Platform (FP) von Red Hat® Marketplace, um die Kundenausgaben anhand historischer Daten vorherzusagen und den automatisierten Prozess der Erstellung von Modellen zu demonstrieren.

Beschreibung

Maschinelles Lernen ist ein großes Studienfeld, das sich mit vielen verwandten Bereichen wie der künstlichen Intelligenz überschneidet und Ideen aus diesen erbt. Der Schwerpunkt des Fachs liegt auf dem Lernen - das heißt dem Erwerb von Fähigkeiten oder Wissen aus Erfahrung. Am häufigsten bedeutet dies, nützliche Konzepte aus historischen Daten zu synthetisieren. Daher gibt es viele Arten des Lernens, denen Sie als Praktiker im Bereich des maschinellen Lernens begegnen können, von ganzen Studienbereichen bis hin zu bestimmten Techniken.

Die Regression beim maschinellen Lernen und in der Statistik ist ein überwachter Lernansatz, bei dem das Computerprogramm aus den ihm gegebenen Daten lernt, um neue Beobachtungen oder Vorhersagen zu treffen. Bei dieser Technik hat die Zielvariable kontinuierliche Werte im Bereich von Null bis unendlich. Beispiele für Regressionsprobleme mit bestimmten historischen Daten sind:

Vorhersage der Temperatur
Umsatz vorhersagen
Vorhersage des Hauspreises
Vorhersage der Kundenausgaben

Wir werden uns auf die Vorhersage der Kundenausgaben anhand historischer Daten konzentrieren und den automatisierten Prozess der Erstellung von Modellen mit dem FP Predict plus-Operator von demonstrieren Red Hat Marktplatz. Wir werden den FP Predict Plus-Operator von Red Hat Marketplace verwenden, um diesen Anwendungsfall zu lösen.

Wenn Sie dieses Muster abgeschlossen haben, werden Sie verstehen, wie Sie:

Richten Sie die Instanz im OpenShift®-Cluster schnell für die Modellbildung ein.
Nehmen Sie die Daten auf und starten Sie den FP Predict Plus-Prozess.
Erstellen Sie Modelle mit FP Predict Plus und bewerten Sie die Leistung.
Wählen Sie das beste Modell und schließen Sie die Bereitstellung ab.
Generieren Sie mithilfe des bereitgestellten Modells neue Vorhersagen.

Flow

Der Benutzer meldet sich mit einer Instanz des FP Predict Plus-Operators bei der FP Predict Plus-Plattform an.
Der Benutzer lädt die Datendatei im CSV-Format in den Kubernetes-Speicher auf der Plattform hoch.
Der Benutzer initiiert den Modellierungsprozess mithilfe des FP Predict Plus-Operators im OpenShift-Cluster und erstellt Pipelines.
Der Benutzer bewertet verschiedene Pipelines von FP Predict Plus und wählt das beste Modell für die Bereitstellung aus.
Der Benutzer generiert mithilfe des bereitgestellten Modells genaue Vorhersagen.