Cho điểm dữ liệu phát trực tuyến bằng mô hình máy học

Đây là một phần của Lộ trình học tập: Bắt đầu với IBM Streams.

Tổng kết

Trong mẫu mã nhà phát triển này, chúng tôi sẽ truyền trực tuyến dữ liệu mua sắm trực tuyến và sử dụng dữ liệu để theo dõi các sản phẩm mà mỗi khách hàng đã thêm vào giỏ hàng. Chúng tôi sẽ xây dựng mô hình phân cụm k-means với scikit-learning để phân nhóm khách hàng theo nội dung trong giỏ hàng của họ. Việc phân công theo cụm có thể được sử dụng để dự đoán các sản phẩm bổ sung để giới thiệu.

Mô tả

Ứng dụng của chúng tôi sẽ được xây dựng bằng IBM Streams trên IBM Cloud Pak® for Data. IBM Streams cung cấp một IDE tích hợp, được gọi là Streams Flows, cho phép bạn tạo một ứng dụng phát trực tuyến một cách trực quan. Nền tảng IBM Cloud Pak cho Dữ liệu cung cấp hỗ trợ bổ sung, chẳng hạn như tích hợp với nhiều nguồn dữ liệu, phân tích tích hợp, Máy tính xách tay Jupyter và học máy.

Để xây dựng và triển khai mô hình học máy của chúng tôi, chúng tôi sẽ sử dụng Máy tính xách tay Jupyter trong IBM Watson® Studio và phiên bản Máy học Watson. Trong các ví dụ của chúng tôi, cả hai đều đang chạy trên IBM Cloud Pak cho Dữ liệu.

Sử dụng trình chỉnh sửa Luồng luồng, chúng tôi sẽ tạo ứng dụng phát trực tuyến với các toán tử sau:

• Toán tử Nguồn tạo dữ liệu dòng nhấp chuột mẫu
• Toán tử Bộ lọc chỉ giữ lại các sự kiện “thêm vào giỏ hàng”
• Toán tử Mã nơi chúng tôi sử dụng mã Python để sắp xếp các mặt hàng trong giỏ hàng thành một mảng đầu vào để tính điểm
• Một nhà điều hành Triển khai WML để chỉ định khách hàng vào một cụm
• Toán tử gỡ lỗi để chứng minh kết quả

Dòng chảy

1. Người dùng xây dựng và triển khai mô hình học máy.
2. Người dùng tạo và chạy ứng dụng IBM Streams.
3. Giao diện người dùng Luồng luồng hiển thị tính năng phát trực tuyến, lọc và tính điểm trong thực tế.

Hướng Dẫn

Sẵn sàng để bắt đầu? Các README giải thích các bước để:

1. Xác minh quyền truy cập vào phiên bản IBM Streams của bạn trên Cloud Pak cho Dữ liệu.
2. Tạo một dự án mới trong Cloud Pak cho Dữ liệu.
3. Xây dựng và lưu trữ một mô hình.
4. Liên kết không gian triển khai với dự án.
5. Triển khai mô hình.
6. Tạo và chạy ứng dụng Luồng luồng.

Xin chúc mừng! Mẫu mã này kết thúc Bắt đầu với loạt IBM Streams. Ngoài việc giải thích IBM Streams, chúng tôi đã chỉ ra cách:

• Tạo ứng dụng IBM Streams đầu tiên của bạn mà không cần viết mã
• Xây dựng ứng dụng phát trực tuyến Apache Kafka
• Xây dựng ứng dụng phát trực tuyến bằng API Python
• Cho điểm dữ liệu phát trực tuyến bằng mô hình máy học

Bây giờ bạn sẽ có hiểu biết cơ bản về IBM Streams và một số tính năng của nó. Nếu bạn muốn tìm hiểu thêm, hãy xem Giới thiệu về phân tích luồng với IBM Streams loạt video.