Kesimpulan
Pola kode pengembang ini menggunakan operator Findability Platform (FP) Predict Plus dari Red Hat® Marketplace untuk memprediksi pengeluaran pelanggan menggunakan data historis dan mendemonstrasikan proses otomatis membangun model.
Deskripsi Produk
Pembelajaran mesin adalah bidang studi besar yang tumpang tindih dengan dan mewarisi ide dari banyak bidang terkait, seperti kecerdasan buatan. Fokus bidang ini adalah belajar - yaitu memperoleh keterampilan atau pengetahuan dari pengalaman. Paling umum, ini berarti mensintesis konsep-konsep yang berguna dari data historis. Dengan demikian, ada banyak jenis pembelajaran yang mungkin Anda temui sebagai praktisi di bidang pembelajaran mesin dari seluruh bidang studi hingga teknik tertentu.
Regresi dalam pembelajaran mesin dan statistik adalah pendekatan pembelajaran yang diawasi di mana program komputer belajar dari data yang diberikan kepadanya untuk membuat pengamatan atau prediksi baru. Dalam teknik ini, variabel target memiliki nilai kontinu mulai dari nol hingga tak terbatas. Contoh masalah regresi dengan data historis yang diberikan meliputi:
- Memprediksi suhu
- Memprediksi penjualan
- Memprediksi harga rumah
- Memprediksi belanja pelanggan
Kami akan fokus pada memprediksi pengeluaran pelanggan menggunakan data historis dan mendemonstrasikan proses otomatis membangun model menggunakan operator FP Predict plus dari Pasar Red Hat. Kami akan menggunakan operator FP Predict Plus dari Red Hat Marketplace untuk menyelesaikan kasus penggunaan ini.
Setelah Anda menyelesaikan pola ini, Anda akan memahami cara:
- Siapkan instance dengan cepat di cluster OpenShift® untuk pembuatan model.
- Serap data dan mulai proses FP Predict Plus.
- Buat model menggunakan FP Predict Plus dan evaluasi performanya.
- Pilih model terbaik dan selesaikan penerapan.
- Buat prediksi baru menggunakan model yang diterapkan.
Aliran
- Pengguna login ke platform FP Predict Plus menggunakan instance operator FP Predict Plus.
- Pengguna mengunggah file data dalam format CSV ke penyimpanan Kubernetes di platform.
- Pengguna memulai proses pembuatan model menggunakan operator FP Predict Plus di kluster OpenShift dan membuat pipeline.
- Pengguna mengevaluasi pipeline yang berbeda dari FP Predict Plus dan memilih model terbaik untuk penerapan.
- Pengguna menghasilkan prediksi yang akurat dengan menggunakan model yang diterapkan.
petunjuk
Temukan langkah-langkah terperinci untuk pola ini di menu README mengajukan. Langkah-langkahnya akan menunjukkan cara:
- Tambahkan datanya
- Buat pekerjaan
- Tinjau detail pekerjaan
- Analisis hasil
- Unduh file Hasil & Model
- Prediksi menggunakan data baru
- Buat pekerjaan prediksi
- Periksa ringkasan pekerjaan
- Menganalisis hasil prediksi pekerjaan
- Unduh hasil prediksi
