Βαθμολογήστε ροή δεδομένων με ένα μοντέλο μηχανικής μάθησης

Αυτό είναι μέρος του Διαδρομή εκμάθησης: Ξεκινήστε με τις ροές IBM.

Χαρακτηριστικά

Σε αυτό το μοτίβο κώδικα προγραμματιστή, θα κάνουμε ροή δεδομένων ηλεκτρονικών αγορών και θα χρησιμοποιούμε τα δεδομένα για να παρακολουθούμε τα προϊόντα που έχει προσθέσει κάθε πελάτης στο καλάθι. Θα δημιουργήσουμε ένα μοντέλο ομαδοποίησης k-means με scikit-learn για να ομαδοποιήσουμε τους πελάτες σύμφωνα με το περιεχόμενο των καλαθιών αγορών τους. Η ανάθεση συμπλέγματος μπορεί να χρησιμοποιηθεί για την πρόβλεψη πρόσθετων προϊόντων προς πρόταση.

Περιγραφή

Η εφαρμογή μας θα κατασκευαστεί χρησιμοποιώντας IBM Streams στο IBM Cloud Pak® για δεδομένα. Το IBM Streams παρέχει ένα ενσωματωμένο IDE, που ονομάζεται Streams Flows, το οποίο σας επιτρέπει να δημιουργήσετε οπτικά μια εφαρμογή ροής. Η πλατφόρμα IBM Cloud Pak for Data παρέχει πρόσθετη υποστήριξη, όπως ενσωμάτωση με πολλαπλές πηγές δεδομένων, ενσωματωμένα αναλυτικά στοιχεία, φορητούς υπολογιστές Jupyter και μηχανική εκμάθηση.

Για να δημιουργήσουμε και να αναπτύξουμε το μοντέλο μηχανικής εκμάθησης, θα χρησιμοποιήσουμε ένα φορητό υπολογιστή Jupyter στο IBM Watson® Studio και ένα παράδειγμα Watson Machine Learning. Στα παραδείγματά μας, και τα δύο εκτελούνται στο IBM Cloud Pak for Data.

Χρησιμοποιώντας το πρόγραμμα επεξεργασίας ροών ροής, θα δημιουργήσουμε μια εφαρμογή ροής με τους ακόλουθους τελεστές:

• Ένας τελεστής πηγής που δημιουργεί δείγματα δεδομένων ροής κλικ
• Ένας χειριστής φίλτρου που διατηρεί μόνο τα συμβάντα "προσθήκη στο καλάθι".
• Ένας τελεστής κώδικα όπου χρησιμοποιούμε κώδικα Python για να τακτοποιήσουμε τα στοιχεία του καλαθιού αγορών σε έναν πίνακα εισόδου για βαθμολόγηση
• Ένας χειριστής ανάπτυξης WML για την ανάθεση του πελάτη σε ένα σύμπλεγμα
• Ένας τελεστής εντοπισμού σφαλμάτων για την επίδειξη των αποτελεσμάτων

Ροή

1. Ο χρήστης δημιουργεί και αναπτύσσει ένα μοντέλο μηχανικής εκμάθησης.
2. Ο χρήστης δημιουργεί και εκτελεί μια εφαρμογή IBM Streams.
3. Η διεπαφή χρήστη ροής ροής εμφανίζει τη ροή, το φιλτράρισμα και τη βαθμολογία σε δράση.

Οδηγίες

Είστε έτοιμοι να ξεκινήσετε; ο README εξηγεί τα βήματα για:

1. Επαληθεύστε την πρόσβαση στην παρουσία σας IBM Streams στο Cloud Pak for Data.
2. Δημιουργήστε ένα νέο έργο στο Cloud Pak for Data.
3. Κατασκευάστε και αποθηκεύστε ένα μοντέλο.
4. Συσχετίστε τον χώρο ανάπτυξης με το έργο.
5. Αναπτύξτε το μοντέλο.
6. Δημιουργήστε και εκτελέστε μια εφαρμογή Streams Flow.

Συγχαρητήρια! Αυτό το μοτίβο κώδικα ολοκληρώνει το Ξεκινήστε με τη σειρά IBM Streams. Εκτός από την εξήγηση του IBM Streams, δείξαμε πώς:

• Δημιουργήστε την πρώτη σας εφαρμογή IBM Streams χωρίς να γράψετε κώδικα
• Δημιουργήστε μια εφαρμογή ροής Apache Kafka
• Δημιουργήστε μια εφαρμογή ροής χρησιμοποιώντας ένα Python API
• Βαθμολογήστε ροή δεδομένων με ένα μοντέλο μηχανικής μάθησης

Θα πρέπει τώρα να έχετε μια θεμελιώδη κατανόηση του IBM Streams και ορισμένων από τα χαρακτηριστικά του. Αν θέλετε να μάθετε περισσότερα, ρίξτε μια ματιά στο Εισαγωγή στη ροή αναλυτικών στοιχείων με το IBM Streams σειρά βίντεο.