요약
이 개발자 코드 패턴은 Red Hat® Marketplace의 FP(Findability Platform) Predict Plus 연산자를 사용하여 과거 데이터를 사용하여 고객 지출을 예측하고 자동화된 모델 구축 프로세스를 보여줍니다.
상품 설명
기계 학습은 인공 지능과 같은 많은 관련 분야와 중첩되고 아이디어를 계승하는 큰 연구 분야입니다. 현장의 초점은 학습, 즉 경험을 통해 기술이나 지식을 습득하는 것입니다. 가장 일반적으로 이는 과거 데이터에서 유용한 개념을 합성하는 것을 의미합니다. 이와 같이 전체 연구 분야에서 특정 기술에 이르기까지 기계 학습 분야의 실무자로서 접할 수 있는 다양한 유형의 학습이 있습니다.
기계 학습 및 통계의 회귀는 컴퓨터 프로그램이 새로운 관찰 또는 예측을 수행하기 위해 주어진 데이터로부터 학습하는 지도 학습 접근 방식입니다. 이 기술에서 대상 변수는 XNUMX에서 무한대까지의 연속 값을 갖습니다. 주어진 과거 데이터에 대한 회귀 문제의 예는 다음과 같습니다.
- 온도 예측
- 판매 예측
- 집값 예측
- 고객 지출 예측
과거 데이터를 사용하여 고객 지출을 예측하는 데 중점을 두고 FP Predict 플러스 연산자를 사용하여 모델을 구축하는 자동화된 프로세스를 시연합니다. Red Hat 마켓 플레이스. 이 사용 사례를 해결하기 위해 Red Hat Marketplace의 FP Predict Plus 연산자를 사용할 것입니다.
이 패턴을 완료하면 다음 방법을 이해할 수 있습니다.
- 모델 구축을 위해 OpenShift® 클러스터에서 인스턴스를 빠르게 설정합니다.
- 데이터를 수집하고 FP Predict Plus 프로세스를 시작합니다.
- FP Predict Plus를 사용하여 모델을 구축하고 성능을 평가합니다.
- 최상의 모델을 선택하고 배포를 완료하십시오.
- 배포 된 모델을 사용하여 새로운 예측을 생성합니다.
흐름
- 사용자는 FP Predict Plus 연산자의 인스턴스를 사용하여 FP Predict Plus 플랫폼에 로그인합니다.
- 사용자는 CSV 형식의 데이터 파일을 플랫폼의 Kubernetes 스토리지에 업로드합니다.
- 사용자는 OpenShift 클러스터에서 FP Predict Plus 연산자를 사용하여 모델 구축 프로세스를 시작하고 파이프라인을 생성합니다.
- 사용자는 FP Predict Plus의 다양한 파이프 라인을 평가하고 배포에 가장 적합한 모델을 선택합니다.
- 사용자는 배포 된 모델을 사용하여 정확한 예측을 생성합니다.
명령
이 패턴에 대한 자세한 단계는 README 파일. 단계는 다음을 수행하는 방법을 보여줍니다.
- 데이터 추가
- 직업 만들기
- 작업 세부 정보 검토
- 결과 분석
- 결과 및 모델 파일 다운로드
- 새로운 데이터를 이용한 예측
- 예측 작업 만들기
- 작업 요약 확인
- 직무 예측 결과 분석
- 예측 결과 다운로드
