Resumen
Este patrón de código de desarrollador utiliza el operador Findability Platform (FP) Predict Plus de Red Hat® Marketplace para predecir el gasto del cliente utilizando datos históricos y demuestra el proceso automatizado de construcción de modelos.
Descripción
El aprendizaje automático es un gran campo de estudio que se superpone y hereda ideas de muchos campos relacionados, como la inteligencia artificial. El enfoque del campo es el aprendizaje, es decir, la adquisición de habilidades o conocimientos a partir de la experiencia. Por lo general, esto significa sintetizar conceptos útiles a partir de datos históricos. Como tal, hay muchos tipos de aprendizaje que puede encontrar como practicante en el campo del aprendizaje automático desde campos completos de estudio hasta técnicas específicas.
La regresión en el aprendizaje automático y las estadísticas es un enfoque de aprendizaje supervisado en el que el programa informático aprende de los datos que se le proporcionan para realizar nuevas observaciones o predicciones. En esta técnica, la variable objetivo tiene valores continuos que van desde cero hasta infinito. Ejemplos de problemas de regresión con datos históricos dados incluyen:
- Predecir la temperatura
- Predecir ventas
- Predecir el precio de la vivienda
- Predecir el gasto de los clientes
Nos centraremos en predecir el gasto del cliente utilizando datos históricos y demostraremos el proceso automatizado de construcción de modelos utilizando FP Predict plus operador de Mercado de Red Hat. Usaremos el operador FP Predict Plus de Red Hat Marketplace para resolver este caso de uso.
Cuando haya completado este patrón, comprenderá cómo:
- Configure rápidamente la instancia en el clúster OpenShift® para la creación de modelos.
- Ingiera los datos e inicie el proceso FP Predict Plus.
- Cree modelos utilizando FP Predict Plus y evalúe el rendimiento.
- Elija el mejor modelo y complete la implementación.
- Genere nuevas predicciones utilizando el modelo implementado.
Flujo
- El usuario inicia sesión en la plataforma FP Predict Plus utilizando una instancia del operador FP Predict Plus.
- El usuario carga el archivo de datos en formato CSV en el almacenamiento de Kubernetes en la plataforma.
- El usuario inicia el proceso de construcción de modelos utilizando el operador FP Predict Plus en el clúster OpenShift y crea canalizaciones.
- El usuario evalúa diferentes canalizaciones de FP Predict Plus y selecciona el mejor modelo para la implementación.
- El usuario genera predicciones precisas mediante el uso del modelo implementado.
Instrucciones
Encuentre los pasos detallados para este patrón en el README expediente. Los pasos le mostrarán cómo:
- Agrega los datos
- Crea un trabajo
- Revise los detalles del trabajo
- Analizar resultados
- Descargue el archivo de resultados y modelo
- Predicción usando nuevos datos
- Crear trabajo de predicción
- Ver resumen del trabajo
- Analizar los resultados de predecir el trabajo
- Descargar los resultados previstos
