Bewerten eines Modells in der Benutzeroberfläche von Data Science Workspace

Scoring in Adobe Experience Platform Data Science Workspace kann erreicht werden, indem Eingabedaten in ein vorhandenes trainiertes Modell eingespeist werden. Scoring-Ergebnisse werden dann als neuer Batch in einem angegebenen Ausgabedatensatz gespeichert und angezeigt.

In diesem Tutorial werden die Schritte erläutert, die zum Bewerten eines Modells im Data Science Workspace -Benutzeroberfläche.

Erste Schritte

Um dieses Tutorial abzuschließen, benötigen Sie Zugriff auf Experience Platform. Wenn Sie keinen Zugriff auf eine Organisation in Experience PlatformWenden Sie sich an Ihren Systemadministrator, bevor Sie fortfahren.

Diese Anleitung setzt ein trainiertes Modell voraus. Wenn Sie noch kein trainiertes Modell haben, folgen Sie der Anleitung zum Trainieren und Bewerten eines Modells in der Benutzeroberfläche, bevor Sie fortfahren.

Neuen Scoring-Lauf erstellen

Ein Scoring-Lauf wird mithilfe optimierter Konfigurationen aus einem zuvor abgeschlossenen und ausgewerteten Trainings-Lauf erstellt. Der Satz optimaler Konfigurationen für ein Modell wird in der Regel durch Überprüfen der Auswertungsmetriken für Trainings-Läufe bestimmt.

Finden Sie den optimalen Training-Lauf, um dessen Konfigurationen für das Scoring zu nutzen. Öffnen Sie dann den gewünschten Trainings-Lauf, indem Sie den Hyperlink auswählen, der an den Namen angehängt ist.

Aus dem Trainings-Lauf Auswertung Registerkarte, wählen Sie Ergebnis oben rechts auf dem Bildschirm angezeigt. Ein neuer Scoring-Workflow wird gestartet.

Wählen Sie den Eingabe-Scoring-Datensatz aus und wählen Sie Nächste.

Wählen Sie den Ergebnis-Scoring-Datensatz aus. Hierbei handelt es sich um den dedizierten Ausgabedatensatz, in dem die Scoring-Ergebnisse gespeichert werden. Bestätigen Sie Ihre Auswahl und wählen Sie Nächste.

Im letzten Schritt des Workflows werden Sie aufgefordert, Ihren Scoring-Lauf zu konfigurieren. Diese Konfigurationen werden vom Modell für den Scoring-Lauf verwendet.
Beachten Sie, dass Sie geerbte Parameter, die während der Modellerstellung festgelegt wurden, nicht entfernen können. Sie können nicht vererbte Parameter bearbeiten oder wiederherstellen, indem Sie auf den Wert doppelklicken oder das Symbol zum Zurücksetzen auswählen, während Sie den Mauszeiger über den Eintrag bewegen.

Überprüfen und bestätigen Sie die Scoring-Konfigurationen und wählen Sie Beenden , um den Scoring-Lauf zu erstellen und auszuführen. Sie werden zum Scoring-Läufe und dem neuen Scoring-Lauf mit dem Ausstehend Status angezeigt.

Ein Scoring-Lauf kann mit einem der folgenden Status angezeigt werden:

Status werden automatisch aktualisiert. Fahren Sie mit dem nächsten Schritt fort, wenn der Status Fertig oder Fehlgeschlagen.

Scoring-Ergebnisse anzeigen

Um Scoring-Ergebnisse anzuzeigen, wählen Sie zunächst einen Trainings-Lauf aus.

Sie werden zu den Trainings-Läufen weitergeleitet Auswertung Seite. Wählen Sie oben auf der Auswertungsseite für den Trainings-Lauf die Scoring-Läufe um eine Liste der vorhandenen Scoring-Läufe anzuzeigen.

Wählen Sie als Nächstes einen Scoring-Lauf aus, um die Ausführungsdetails anzuzeigen.

Wenn der ausgewählte Scoring-Lauf den Status "Abgeschlossen"oder "Fehlgeschlagen"aufweist, wird die Anzeigen von Aktivitätsprotokollen -Link verfügbar gemacht. Wenn ein Scoring-Lauf fehlschlägt, können die Ausführungsprotokolle nützliche Informationen zur Bestimmung des Fehlerurteils bereitstellen. Um die Ausführungsprotokolle herunterzuladen, wählen Sie Anzeigen von Aktivitätsprotokollen.

Die Aktivitätsprotokolle anzeigen Popup angezeigt. Wählen Sie eine URL aus, um die zugehörigen Protokolle automatisch herunterzuladen.

Sie haben auch die Möglichkeit, Ihre Scoring-Ergebnisse anzuzeigen, indem Sie Vorschau des Datensatzes mit den Scoring-Ergebnissen.

Eine Vorschau des Ausgabedatasets wird bereitgestellt.

Wählen Sie für den vollständigen Satz der Scoring-Ergebnisse die Datensatz mit Scoring-Ergebnissen in der rechten Spalte.

Nächste Schritte

In diesem Tutorial haben Sie die Schritte zum Erfassen von Daten mithilfe eines trainierten Modells in Data Science Workspace. Befolgen Sie die Anleitung zum Publizieren eines Modells als Service in der Benutzeroberfläche, damit Benutzer in Ihrer Organisation Daten bewerten können, indem sie einfachen Zugriff auf einen maschinellen Lerndienst erhalten.