<br> סיכום
דפוס קוד מפתח זה משתמש ב-Findability Platform (FP) Predict Plus אופרטור מ-Red Hat® Marketplace כדי לחזות הוצאות לקוחות באמצעות נתונים היסטוריים ומדגים את התהליך האוטומטי של בניית מודלים.
תיאור
למידת מכונה היא תחום מחקר גדול החופף ויורש רעיונות מתחומים קשורים רבים, כגון בינה מלאכותית. מוקד התחום הוא למידה - כלומר רכישת מיומנויות או ידע מניסיון. לרוב, משמעות הדבר היא סינתזה של מושגים שימושיים מנתונים היסטוריים. ככזה, ישנם סוגים רבים של למידה שאתה עשוי להיתקל בהם כמתרגל בתחום למידת מכונה מתחומי לימוד שלמים ועד לטכניקות ספציפיות.
רגרסיה בלמידת מכונה וסטטיסטיקה היא גישת למידה מפוקחת שבה תוכנית המחשב לומדת מהנתונים שניתנו לה כדי לבצע תצפיות או תחזיות חדשות. בטכניקה זו, למשתנה היעד יש ערכים רציפים הנעים מאפס עד אינסוף. דוגמאות לבעיות רגרסיה עם נתונים היסטוריים נתונים כוללים:
- חיזוי הטמפרטורה
- חיזוי מכירות
- חיזוי מחיר הבית
- חיזוי הוצאות לקוחות
אנו נתמקד בחיזוי הוצאות לקוחות באמצעות נתונים היסטוריים ונדגים את התהליך האוטומטי של בניית מודלים באמצעות אופרטור FP Predict plus מ- שוק רד האט. אנו נשתמש במפעיל FP Predict Plus מ-Red Hat Marketplace כדי לפתור את מקרה השימוש הזה.
לאחר השלמת דפוס זה, תבין כיצד:
- הגדר במהירות את המופע באשכול OpenShift® לבניית מודלים.
- שים את הנתונים והתחל בתהליך FP Predict Plus.
- בנה מודלים באמצעות FP Predict Plus והעריך את הביצועים.
- בחר את הדגם הטוב ביותר והשלם את הפריסה.
- צור תחזיות חדשות באמצעות המודל הפרוס.
זרימה
- משתמש מתחבר לפלטפורמת FP Predict Plus באמצעות מופע של מפעיל FP Predict Plus.
- המשתמש מעלה את קובץ הנתונים בפורמט CSV לאחסון Kubernetes בפלטפורמה.
- המשתמש יוזם את תהליך בניית המודל באמצעות אופרטור FP Predict Plus באשכול OpenShift ויוצר צינורות.
- המשתמש מעריך צינורות שונים מ- FP Predict Plus ובוחר את המודל הטוב ביותר לפריסה.
- המשתמש מייצר חיזויים מדויקים באמצעות המודל הפרוס.
הוראות
מצא את הצעדים המפורטים לדפוס זה בסעיף README קוֹבֶץ. השלבים יראו כיצד לבצע:
- הוסף את הנתונים
- צור עבודה
- עיין בפרטי המשרה
- ניתוח תוצאות
- הורד את קובץ התוצאות והמודל
- חיזוי באמצעות נתונים חדשים
- צור עבודה לחזות
- בדוק את סיכום העבודה
- לנתח תוצאות של תחזית עבודה
- הורד תוצאות חזויות
