Это часть Путь обучения: начать работу с IBM Streams.
Обзор
В этом шаблоне кода разработчика мы будем передавать данные онлайн-покупок в потоковом режиме и использовать эти данные для отслеживания продуктов, которые каждый покупатель добавил в корзину. Мы построим модель кластеризации k-средних с помощью scikit-learn, чтобы группировать клиентов в соответствии с содержимым их тележек для покупок. Назначение кластера можно использовать для прогнозирования дополнительных рекомендуемых продуктов.
Описание
Наше приложение будет создано с использованием IBM Streams в IBM Cloud Pak® for Data. IBM Streams предоставляет встроенную среду IDE под названием Streams Flows, которая позволяет визуально создавать потоковые приложения. Платформа IBM Cloud Pak for Data обеспечивает дополнительную поддержку, такую как интеграция с несколькими источниками данных, встроенная аналитика, Jupyter Notebooks и машинное обучение.
Для создания и развертывания нашей модели машинного обучения мы будем использовать Jupyter Notebook в IBM Watson® Studio и экземпляр Watson Machine Learning. В наших примерах оба работают в IBM Cloud Pak for Data.
Используя редактор Streams Flows, мы создадим потоковое приложение со следующими операторами:
- Оператор источника, который генерирует образцы данных о посещаемости.
- Оператор фильтра, который сохраняет только события «добавить в корзину».
- Оператор кода, в котором мы используем код Python для упорядочивания элементов корзины покупок во входной массив для оценки.
- Оператор развертывания WML для назначения клиента кластеру
- Оператор отладки для демонстрации результатов
Поток
- Пользователь создает и развертывает модель машинного обучения.
- Пользователь создает и запускает приложение IBM Streams.
- Пользовательский интерфейс Streams Flow показывает потоковую передачу, фильтрацию и оценку в действии.
инструкции
Готовы начать? В README объясняет шаги, чтобы:
- Проверьте доступ к своему экземпляру IBM Streams в Cloud Pak for Data.
- Создайте новый проект в Cloud Pak for Data.
- Постройте и сохраните модель.
- Свяжите пространство развертывания с проектом.
- Разверните модель.
- Создайте и запустите приложение Streams Flow.
Поздравляю! Этот шаблон кода завершает Начните работу с серией IBM Streams. Помимо объяснения IBM Streams, мы показали, как:
- Создайте свое первое приложение IBM Streams без написания кода
- Создайте приложение для потоковой передачи Apache Kafka
- Создайте потоковое приложение с помощью Python API
- Оценка потоковых данных с помощью модели машинного обучения
Теперь у вас должно быть фундаментальное понимание IBM Streams и некоторых его функций. Если вы хотите узнать больше, взгляните на Введение в потоковую аналитику с IBM Streams видеоряд.
Источник: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/