Scoor streaming gegevens met een machine learning-model

Dit is onderdeel van de Leerpad: aan de slag met IBM Streams.

Samengevat

In dit ontwikkelaarscodepatroon streamen we online winkelgegevens en gebruiken we de gegevens om de producten bij te houden die elke klant aan de winkelwagen heeft toegevoegd. We zullen een k-means-clustermodel bouwen met scikit-learn om klanten te groeperen op basis van de inhoud van hun winkelwagentje. De clustertoewijzing kan worden gebruikt om te voorspellen dat aanvullende producten moeten worden aanbevolen.

Omschrijving

Onze applicatie wordt gebouwd met IBM Streams op IBM Cloud Pak® for Data. IBM Streams biedt een ingebouwde IDE, Streams Flows genaamd, waarmee u visueel een streaming-app kunt maken. Het IBM Cloud Pak for Data-platform biedt aanvullende ondersteuning, zoals integratie met meerdere databronnen, ingebouwde analytics, Jupyter Notebooks en machine learning.

Om ons machine learning-model te bouwen en te implementeren, gebruiken we een Jupyter Notebook in IBM Watson® Studio en een Watson Machine Learning-instantie. In onze voorbeelden worden beide uitgevoerd op IBM Cloud Pak for Data.

Met behulp van de Streams Flows-editor zullen we een streaming-app maken met de volgende operators:

• Een bronoperator die voorbeelden van klikstroomgegevens genereert
• Een filteroperator die alleen de "toevoegen aan winkelwagentje" -gebeurtenissen bewaart
• Een code-operator waarbij we Python-code gebruiken om de items in het winkelwagentje in een invoerarray te rangschikken om te scoren
• Een WML-implementatie-operator om de klant aan een cluster toe te wijzen
• Een foutopsporingsoperator om de resultaten te demonstreren

Stroom

1. De gebruiker bouwt en implementeert een machine learning-model.
2. De gebruiker maakt een IBM Streams-toepassing en voert deze uit.
3. De Streams Flow UI toont streaming, filteren en scoren in actie.

Instructies

klaar om te beginnen? De README legt de stappen uit om:

1. Verifieer de toegang tot uw IBM Streams-instantie op Cloud Pak for Data.
2. Maak een nieuw project aan in Cloud Pak for Data.
3. Bouw een model en bewaar het.
4. Koppel de implementatieruimte aan het project.
5. Implementeer het model.
6. Maak een Streams Flow-applicatie en voer deze uit.

Gefeliciteerd! Dit codepatroon wikkelt het Ga aan de slag met de IBM Streams-serie. Naast het uitleggen van IBM Streams, hebben we laten zien hoe u:

• Maak uw eerste IBM Streams-app zonder code te schrijven
• Bouw een Apache Kafka-streaming-app
• Bouw een streaming-app met behulp van een Python-API
• Scoor streaming gegevens met een machine learning-model

U zou nu een fundamenteel begrip moeten hebben van IBM Streams en enkele van de functies ervan. Als je meer wilt weten, kijk dan eens naar de Inleiding tot streaming-analyse met IBM Streams videoserie.