Construir um modelo de regressão de aprendizado de máquina usando Findability Platform Predict Plus

Resumo

Este padrão de código do desenvolvedor usa o operador Predict Plus da Findability Platform (FP) do Red Hat® Marketplace para prever os gastos do cliente usando dados históricos e demonstra o processo automatizado de construção de modelos.

Descrição

O aprendizado de máquina é um grande campo de estudo que se sobrepõe e herda ideias de muitos campos relacionados, como a inteligência artificial. O foco do campo é o aprendizado — isto é, adquirir habilidades ou conhecimentos a partir da experiência. Mais comumente, isso significa sintetizar conceitos úteis a partir de dados históricos. Como tal, existem muitos tipos de aprendizado que você pode encontrar como praticante no campo de aprendizado de máquina, desde campos inteiros de estudo até técnicas específicas.

A regressão em aprendizado de máquina e estatística é uma abordagem de aprendizado supervisionado na qual o programa de computador aprende com os dados fornecidos a ele para fazer novas observações ou previsões. Nesta técnica, a variável de destino possui valores contínuos que variam de zero a infinito. Exemplos de problemas de regressão com dados históricos fornecidos incluem:

• Prevendo a temperatura
• Prevendo vendas
• Prevendo o preço da casa
• Previsão de gastos do cliente

Vamos nos concentrar em prever os gastos do cliente usando dados históricos e demonstrar o processo automatizado de construção de modelos usando o operador FP Predict plus da Mercado Red Hat. Usaremos o operador FP Predict Plus do Red Hat Marketplace para resolver esse caso de uso.

Ao concluir esse padrão, você entenderá como:

• Configure rapidamente a instância no cluster OpenShift® para construção de modelo.
• Ingerir os dados e iniciar o processo FP Predict Plus.
• Construa modelos usando o FP Predict Plus e avalie o desempenho.
• Escolha o melhor modelo e conclua a implantação.
• Gere novas previsões usando o modelo implantado.

Fluxo

1. O usuário faz login na plataforma FP Predict Plus usando uma instância do operador FP Predict Plus.
2. O usuário carrega o arquivo de dados no formato CSV para o armazenamento Kubernetes na plataforma.
3. O usuário inicia o processo de construção de modelo usando o operador FP Predict Plus no cluster OpenShift e cria pipelines.
4. O usuário avalia diferentes pipelines do FP Predict Plus e seleciona o melhor modelo para implantação.
5. O usuário gera previsões precisas usando o modelo implantado.

Instruções

Encontre as etapas detalhadas para esse padrão no README Arquivo. As etapas mostrarão como:

1. Adicione os dados
2. Crie um emprego
3. Revise os detalhes do trabalho
4. Analise os resultados
5. Baixe o arquivo de resultados e modelo
6. Previsão usando novos dados
7. Criar trabalho de previsão
8. Verifique o resumo do trabalho
9. Analise os resultados do trabalho de previsão
10. Baixar resultados previstos

Fonte: https://developer.ibm.com/patterns/use-redhat-marketplace-operator-fp-predict-plus-to-predict-sales/