Bewerten Sie Streaming-Daten mit einem Modell für maschinelles Lernen

Dies ist Teil der Lernpfad: Erste Schritte mit IBM Streams.

Zusammenfassung

In diesem Entwicklercodemuster streamen wir Online-Einkaufsdaten und nutzen die Daten, um die Produkte zu verfolgen, die jeder Kunde in den Warenkorb gelegt hat. Wir werden mit scikit-learn ein K-Means-Clustering-Modell erstellen, um Kunden nach dem Inhalt ihrer Einkaufswagen zu gruppieren. Die Clusterzuordnung kann verwendet werden, um weitere zu empfehlende Produkte vorherzusagen.

Beschreibung

Unsere Anwendung wird mit IBM Streams auf IBM Cloud Pak® for Data erstellt. IBM Streams bietet eine integrierte IDE namens Streams Flows, mit der Sie visuell eine Streaming-App erstellen können. Die IBM Cloud Pak for Data-Plattform bietet zusätzliche Unterstützung, beispielsweise die Integration mit mehreren Datenquellen, integrierte Analysen, Jupyter Notebooks und maschinelles Lernen.

Um unser Modell für maschinelles Lernen zu erstellen und bereitzustellen, verwenden wir ein Jupyter Notebook in IBM Watson® Studio und eine Watson Machine Learning-Instanz. In unseren Beispielen laufen beide auf IBM Cloud Pak for Data.

Mit dem Streams Flows-Editor erstellen wir eine Streaming-App mit den folgenden Operatoren:

• Ein Quellenoperator, der Beispiel-Clickstream-Daten generiert
• Ein Filteroperator, der nur die „In den Warenkorb“-Ereignisse behält
• Ein Code-Operator, bei dem wir Python-Code verwenden, um die Warenkorbartikel zur Bewertung in einem Eingabearray anzuordnen
• Ein WML-Bereitstellungsoperator, um den Kunden einem Cluster zuzuweisen
• Ein Debug-Operator zur Demonstration der Ergebnisse

Flow

1. Der Benutzer erstellt ein Modell für maschinelles Lernen und stellt es bereit.
2. Der Benutzer erstellt eine IBM Streams-Anwendung und führt sie aus.
3. Die Streams Flow-Benutzeroberfläche zeigt Streaming, Filterung und Bewertung in Aktion.

Anweisungen

Bereit anzufangen? Der README erklärt die Schritte, um:

1. Überprüfen Sie den Zugriff auf Ihre IBM Streams-Instanz in Cloud Pak for Data.
2. Erstellen Sie ein neues Projekt in Cloud Pak for Data.
3. Erstellen und speichern Sie ein Modell.
4. Ordnen Sie den Bereitstellungsbereich dem Projekt zu.
5. Stellen Sie das Modell bereit.
6. Erstellen Sie eine Streams Flow-Anwendung und führen Sie sie aus.

Glückwunsch! Dieses Codemuster schließt das ab Beginnen Sie mit der IBM Streams-Serie. Zusätzlich zur Erläuterung von IBM Streams haben wir gezeigt, wie Sie:

• Erstellen Sie Ihre erste IBM Streams-App, ohne Code zu schreiben
• Erstellen Sie eine Apache Kafka-Streaming-App
• Erstellen Sie eine Streaming-App mit einer Python-API
• Bewerten Sie Streaming-Daten mit einem Modell für maschinelles Lernen

Sie sollten nun über ein grundlegendes Verständnis von IBM Streams und einigen seiner Funktionen verfügen. Wenn Sie mehr erfahren möchten, werfen Sie einen Blick auf die Einführung in Streaming-Analysen mit IBM Streams Video-Serie.