Összegzésként
Ez a fejlesztői kódminta a Red Hat® Marketplace Findability Platform (FP) Predict Plus operátorát használja az ügyfelek költésének előrejelzésére a múltbeli adatok alapján, és bemutatja a modellek felépítésének automatizált folyamatát.
Leírás
A gépi tanulás egy nagy tudományterület, amely átfedésben van számos kapcsolódó területtel, például a mesterséges intelligenciával, és azokból örökli az ötleteket. A terület középpontjában a tanulás áll, vagyis a készségek vagy ismeretek tapasztalatból való megszerzése. Ez leggyakrabban azt jelenti, hogy hasznos fogalmakat szintetizálnak történelmi adatokból. Mint ilyen, számos tanulási típussal találkozhat a gépi tanulás területén gyakorlóként, a teljes tanulmányi területektől a konkrét technikákig.
A regresszió a gépi tanulásban és a statisztikákban egy felügyelt tanulási megközelítés, amelyben a számítógépes program tanul a kapott adatokból, hogy új megfigyeléseket vagy előrejelzéseket készítsen. Ebben a technikában a célváltozó folyamatos értékei nullától a végtelenig terjednek. Példák adott előzményadatok regressziós problémáira:
- A hőmérséklet előrejelzése
- Eladások előrejelzése
- A ház árának előrejelzése
- Az ügyfelek költésének előrejelzése
Az ügyfelek költésének előzményadatok alapján történő előrejelzésére fogunk összpontosítani, és bemutatjuk a modellek automatizált folyamatát az FP Predict plus operátor segítségével. Red Hat piactér. Ennek a használati esetnek a megoldására a Red Hat Marketplace FP Predict Plus operátorát fogjuk használni.
Ha befejezte ezt a mintát, meg fogja érteni, hogyan kell:
- Gyorsan beállíthatja a példányt az OpenShift® fürtön a modellépítéshez.
- Nyújtsa be az adatokat, és indítsa el az FP Predict Plus folyamatot.
- Építsen modelleket az FP Predict Plus segítségével, és értékelje a teljesítményt.
- Válassza ki a legjobb modellt, és fejezze be a telepítést.
- Hozzon létre új előrejelzéseket a telepített modell segítségével.
Folyik
- A felhasználó az FP Predict Plus operátor egy példányával jelentkezik be az FP Predict Plus platformra.
- A felhasználó feltölti az adatfájlt CSV formátumban a platform Kubernetes tárhelyére.
- A felhasználó elindítja a modellépítési folyamatot az FP Predict Plus operátorral az OpenShift-fürtön, és folyamatokat hoz létre.
- A felhasználó kiértékeli az FP Predict Plus különböző folyamatait, és kiválasztja a legjobb modellt a telepítéshez.
- A felhasználó pontos előrejelzéseket generál a telepített modell használatával.
Utasítás
A minta részletes lépéseit megtalálja a README fájlt. A lépések megmutatják, hogyan kell:
- Adja hozzá az adatokat
- Hozzon létre egy állást
- Tekintse át a munka részleteit
- Eredmények elemzése
- Töltse le a Results & Model fájlt
- Előrejelzés új adatok felhasználásával
- Hozzon létre előrejelzési munkát
- Ellenőrizze a munka összefoglalóját
- A munka előrejelzésének eredményeinek elemzése
- Töltse le a várható eredményeket