Creați un model de regresie pentru învățarea automată folosind Findability Platform Predict Plus

Rezumat

Acest model de cod de dezvoltator folosește operatorul Findability Platform (FP) Predict Plus de la Red Hat® Marketplace pentru a prezice cheltuielile clienților folosind date istorice și demonstrează procesul automat de construire a modelelor.

Descriere

Învățarea automată este un domeniu larg de studiu care se suprapune și moștenește idei din multe domenii conexe, cum ar fi inteligența artificială. Accentul domeniului este învățarea, adică dobândirea de abilități sau cunoștințe din experiență. Cel mai frecvent, aceasta înseamnă sintetizarea conceptelor utile din date istorice. Ca atare, există multe tipuri de învățare pe care le puteți întâlni ca practician în domeniul învățării automate, de la domenii întregi de studiu la tehnici specifice.

Regresia în învățarea automată și statistică este o abordare de învățare supravegheată în care programul de calculator învață din datele care îi sunt furnizate pentru a face noi observații sau predicții. În această tehnică, variabila țintă are valori continue de la zero la infinit. Exemple de probleme de regresie cu date istorice date includ:

• Prezicerea temperaturii
• Previziunea vânzărilor
• Prezicerea prețului casei
• Previziunea cheltuielilor clienților

Ne vom concentra pe anticiparea cheltuielilor clienților folosind date istorice și vom demonstra procesul automatizat de construire a modelelor folosind operatorul FP Predict plus de la Piața Red Hat. Vom folosi operatorul FP Predict Plus de la Red Hat Marketplace pentru a rezolva acest caz de utilizare.

După ce ați finalizat acest model, veți înțelege cum să:

• Configurați rapid instanța pe clusterul OpenShift® pentru construirea modelului.
• Ingerați datele și inițiați procesul FP Predict Plus.
• Construiți modele folosind FP Predict Plus și evaluați performanța.
• Alegeți cel mai bun model și finalizați implementarea.
• Generați noi predicții folosind modelul implementat.

Debit

1. Utilizatorul se conectează la platforma FP Predict Plus folosind o instanță a operatorului FP Predict Plus.
2. Utilizatorul încarcă fișierul de date în format CSV în spațiul de stocare Kubernetes de pe platformă.
3. Utilizatorul inițiază procesul de construire a modelului folosind operatorul FP Predict Plus pe clusterul OpenShift și creează conducte.
4. Utilizatorul evaluează diferite conducte din FP Predict Plus și selectează cel mai bun model pentru implementare.
5. Utilizatorul generează predicții precise folosind modelul implementat.

Instrucțiuni

Găsiți pașii detaliate pentru acest model în README fişier. Pașii vă vor arăta cum să:

1. Adăugați datele
2. Creați un loc de muncă
3. Consultați detaliile postului
4. Analizați rezultatele
5. Descărcați fișierul Rezultate și model
6. Predicție folosind date noi
7. Creați job de predicție
8. Verificați rezumatul postului
9. Analizați rezultatele lucrării de predicție
10. Descărcați rezultatele estimate