機械学習モデルを使用してストリーミングデータをスコアリングする

これは、 学習パス：IBMStreamsを使い始める.

まとめ

この開発者コードパターンでは、オンラインショッピングデータをストリーミングし、そのデータを使用して、各顧客がカートに追加した製品を追跡します。 ショッピングカートの内容に応じて顧客をグループ化するために、scikit-learnを使用してk-meansクラスタリングモデルを構築します。 クラスターの割り当てを使用して、推奨する追加の製品を予測できます。

説明

このアプリケーションは、IBMCloudPak®forData上のIBMStreamsを使用して構築されます。 IBM Streamsは、Streams Flowsと呼ばれる組み込みIDEを提供します。これにより、ストリーミングアプリを視覚的に作成できます。 IBM Cloud Pak for Dataプラットフォームは、複数のデータソースとの統合、組み込みの分析、Jupyter Notebook、機械学習などの追加サポートを提供します。

機械学習モデルを構築してデプロイするために、IBMWatson®StudioのJupyterNotebookとWatsonMachineLearningインスタンスを使用します。 この例では、両方がIBM Cloud Pak forDataで実行されています。

Streams Flowsエディターを使用して、次の演算子を使用してストリーミングアプリを作成します。

• サンプルのクリックストリームデータを生成するソース演算子
• 「カートに追加」イベントのみを保持するフィルター演算子
• Pythonコードを使用して、ショッピングカートのアイテムをスコアリング用の入力配列に配置するコード演算子
• 顧客をクラスターに割り当てるためのWMLデプロイメントオペレーター
• 結果を示すためのデバッグ演算子

Flow

1. ユーザーは機械学習モデルを構築してデプロイします。
2. ユーザーはIBMStreamsアプリケーションを作成して実行します。
3. Streams Flow UIは、ストリーミング、フィルタリング、およびスコアリングの動作を示します。

説明書

始める準備はできましたか？ ザ・ README 次の手順について説明します。

1. Cloud Pak forData上のIBMStreamsインスタンスへのアクセスを確認します。
2. Cloud Pak forDataで新しいプロジェクトを作成します。
3. モデルを作成して保存します。
4. デプロイメントスペースをプロジェクトに関連付けます。
5. モデルを展開します。
6. StreamsFlowアプリケーションを作成して実行します。

おめでとう！ このコードパターンは、 IBMStreamsシリーズを始めましょう。 IBM Streamsの説明に加えて、次の方法を示しました。

• コードを記述せずに最初のIBMStreamsアプリを作成する
• ApacheKafkaストリーミングアプリを構築する
• PythonAPIを使用してストリーミングアプリを構築する
• 機械学習モデルを使用してストリーミングデータをスコアリングする

これで、IBMStreamsとその機能のいくつかについて基本的な知識が得られたはずです。 詳細については、 IBMStreamsを使用したスト​​リーミング分析の概要 ビデオシリーズ。