To je del Učna pot: Začnite z IBM Streams.
Povzetek
V tem vzorcu kode za razvijalce bomo pretakali podatke o spletnem nakupovanju in jih uporabljali za sledenje izdelkom, ki jih je vsaka stranka dodala v košarico. Izdelali bomo model združevanja k-means s scikit-learn za združevanje strank glede na vsebino njihovih nakupovalnih vozičkov. Dodelitev gruče se lahko uporabi za predvidevanje dodatnih izdelkov, ki jih je treba priporočiti.
Opis
Naša aplikacija bo izdelana z uporabo IBM Streams on IBM Cloud Pak® for Data. IBM Streams zagotavlja vgrajeno IDE, imenovano Streams Flows, ki vam omogoča vizualno ustvarjanje aplikacije za pretakanje. Platforma IBM Cloud Pak for Data zagotavlja dodatno podporo, kot je integracija z več viri podatkov, vgrajena analitika, Jupyter Notebooks in strojno učenje.
Za izdelavo in uvedbo našega modela strojnega učenja bomo uporabili prenosni računalnik Jupyter v IBM Watson® Studio in instanco Watson Machine Learning. V naših primerih se oba izvajata na IBM Cloud Pak for Data.
Z urejevalnikom Streams Flows bomo ustvarili aplikacijo za pretakanje z naslednjimi operaterji:
- Operator Source, ki ustvari vzorčne podatke o toku klikov
- Operater filtra, ki hrani samo dogodke »dodaj v voziček«.
- Operator kode, kjer uporabljamo kodo Python za razporeditev elementov nakupovalnega vozička v vhodno polje za točkovanje
- Operater uvajanja WML za dodelitev stranke v gručo
- Operator za odpravljanje napak za prikaz rezultatov
Pretok
- Uporabnik zgradi in uvede model strojnega učenja.
- Uporabnik ustvari in zažene aplikacijo IBM Streams.
- Uporabniški vmesnik Streams Flow prikazuje pretakanje, filtriranje in točkovanje v akciji.
navodila
Ste pripravljeni za začetek? The README pojasnjuje korake za:
- Preverite dostop do svojega primerka IBM Streams v storitvi Cloud Pak for Data.
- Ustvarite nov projekt v Cloud Pak for Data.
- Zgradite in shranite model.
- Povežite prostor za namestitev s projektom.
- Uvedite model.
- Ustvarite in zaženite aplikacijo Streams Flow.
čestitke! Ta vzorec kode zaključi Začnite s serijo IBM Streams. Poleg razlage IBM Streams smo pokazali, kako:
- Ustvarite svojo prvo aplikacijo IBM Streams brez pisanja kode
- Zgradite aplikacijo za pretakanje Apache Kafka
- Zgradite aplikacijo za pretakanje z uporabo API-ja Python
- Ocenite pretočne podatke z modelom strojnega učenja
Zdaj bi morali imeti temeljno razumevanje IBM Streams in nekaterih njegovih funkcij. Če želite izvedeti več, si oglejte Uvod v analitiko pretakanja z IBM Streams video serije.
Vir: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/