Score streamingdata med en maskinlæringsmodell

Dette er en del av Læringsvei: Kom i gang med IBM Streams.

Oppsummering

I dette utviklerkodemønsteret vil vi strømme online shoppingdata og bruke dataene til å spore produktene som hver kunde har lagt i handlekurven. Vi vil bygge en k-betyr klyngemodell med scikit-learn for å gruppere kunder i henhold til innholdet i handlekurvene deres. Klyngetilordningen kan brukes til å forutsi flere produkter å anbefale.

Beskrivelse

Applikasjonen vår vil bli bygget ved hjelp av IBM Streams på IBM Cloud Pak® for Data. IBM Streams har en innebygd IDE, kalt Streams Flows, som lar deg visuelt lage en streaming-app. IBM Cloud Pak for Data-plattformen gir ekstra støtte, for eksempel integrasjon med flere datakilder, innebygd analyse, Jupyter Notebooks og maskinlæring.

For å bygge og distribuere vår maskinlæringsmodell vil vi bruke en Jupyter Notebook i IBM Watson® Studio og en Watson Machine Learning-forekomst. I eksemplene våre kjører begge på IBM Cloud Pak for Data.

Ved å bruke Streams Flows-redigeringsprogrammet lager vi en strømmeapp med følgende operatører:

• En kildeoperatør som genererer eksempler på klikkstrømdata
• En filteroperatør som bare beholder «legg i handlekurv»-hendelser
• En kodeoperatør der vi bruker Python-kode for å ordne handlekurvvarene i en inndatamatrise for scoring
• En WML-implementeringsoperatør for å tilordne kunden til en klynge
• En feilsøkingsoperatør for å demonstrere resultatene

Flow

1. Brukeren bygger og implementerer en maskinlæringsmodell.
2. Brukeren oppretter og kjører en IBM Streams-applikasjon.
3. Streams Flow-grensesnittet viser strømming, filtrering og scoring i aksjon.

Instruksjoner

Klar til å komme i gang? De README forklarer trinnene til:

1. Bekreft tilgangen til IBM Streams-forekomsten din på Cloud Pak for Data.
2. Opprett et nytt prosjekt i Cloud Pak for Data.
3. Bygg og lagre en modell.
4. Knytt utplasseringsområdet til prosjektet.
5. Implementere modellen.
6. Opprett og kjør en Streams Flow-applikasjon.

Gratulerer! Dette kodemønsteret avslutter Kom i gang med IBM Streams-serien. I tillegg til å forklare IBM Streams, har vi vist hvordan du:

• Lag din første IBM Streams-app uten å skrive kode
• Bygg en Apache Kafka-streaming-app
• Bygg en streaming-app ved hjelp av et Python API
• Score streamingdata med en maskinlæringsmodell

Du bør nå ha en grunnleggende forståelse av IBM Streams og noen av funksjonene. Hvis du vil lære mer, ta en titt på Introduksjon til streaminganalyse med IBM Streams videoserie.