Show Menu
トピック×

パッケージ化されたレシピの読み込み(UI)

このチュートリアルでは、提供される小売売上の例を使用して、パッケージ化されたレシピを設定およびインポートする方法について説明します。 このチュートリアルを終了するまでに、Adobe Experience Platform Data Science Workspaceでモデルを作成、トレーニング、評価する準備が整います。

前提条件

このチュートリアルでは、DockerイメージURLの形式でパッケージ化されたレシピが必要です。 詳しくは、ソースファイルをレシピに パッケージ化する方法のチュートリアルを参照してください

UIワークフロー

パッケージ化されたレシピをData Science Workspaceに読み込むには、特定のレシピ設定を1つのJavaScript Object Notation(JSON)ファイルにコンパイルする必要があります。このレシピ設定のコンパイルを 設定ファイル ​と呼びます。 特定の設定のセットを含むパッケージ化されたレシピは、 レシピインスタンス ​と呼ばれます。 1つのレシピを使用して、Data Science Workspaceで多数のレシピインスタンスを作成できます。
パッケージレシピを読み込むためのワークフローは、次の手順で構成されます。
非推奨ワークフロー:

レシピの設定

Data Science Workspaceのすべてのレシピインスタンスには、特定の使用例に合わせてレシピインスタンスをカスタマイズする一連の設定が伴います。 設定ファイルは、このレシピインスタンスを使用して作成されたモデルのデフォルトのトレーニングおよびスコアリング動作を定義します。
設定ファイルは、レシピとケースに固有のものです。
以下に、小売売上のレシピのデフォルトのトレーニングとスコアリングの動作を示す設定ファイルの例を示します。
[
    {
        "name": "train",
        "parameters": [
            {
                "key": "learning_rate",
                "value": "0.1"  
            },
            {
                "key": "n_estimators",
                "value": "100"
            },
            {
                "key": "max_depth",
                "value": "3"
            },
            {
                "key": "ACP_DSW_INPUT_FEATURES",
                "value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
            },
            {
                "key": "ACP_DSW_TARGET_FEATURES",
                "value": "weeklySales"
            },
            {
                "key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
                "value": false
            },
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key": "ACP_DSW_TRAINING_XDM_SCHEMA",
                "value": "{SEE BELOW FOR DETAILS}"
            },
            {
                "key": "evaluation.labelColumn",
                "value": "weeklySalesAhead"
            },
            {
                "key": "evaluation.metrics",
                "value": "MAPE,MAE,RMSE,MASE"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
                "value":"{SEE BELOW FOR DETAILS}"
            }
        ]
    }
]

パラメータキー
タイプ
説明
learning_rate
数値
グラデーション乗算のスカラー。
n_estimators
数値
ランダムフォレスト分類子のフォレスト内のツリー数。
max_depth
数値
ランダムフォレスト分類子のツリーの最大深さです。
ACP_DSW_INPUT_FEATURES
文字列
入力スキーマ属性をコンマで区切ったリスト。
ACP_DSW_TARGET_FEATURES
文字列
カンマ区切りの出力スキーマ属性のリスト。
ACP_DSW_FEATURE_UPDATE_SUPPORT
Boolean
入出力フィーチャを変更可能にするかどうかを指定します
tenantId
文字列
このIDを使用すると、作成するリソースの名前が適切に付けられ、IMS組織内に含まれるようになります。 テナントIDを検索するには 、ここの手順に従います。
ACP_DSW_TRAINING_XDM_SCHEMA
文字列
モデルのトレーニングに使用する入力スキーマ。 APIを使用して読み込む場合、UIに読み込むときは、この値を空のままにして、トレーニングSchemaIDに置き換えます。
evaluation.labelColumn
文字列
評価のビジュアライゼーションの列ラベル。
evaluation.metrics
文字列
モデルの評価に使用する評価指標のコンマ区切りリスト。
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA
文字列
モデルのスコアリングに使用する出力スキーマ。 UIに読み込む場合は、この値を空のままにし、APIを使用して読み込む際にスコアリングSchemaIDに置き換えます。
このチュートリアルでは、『データサイエンスワークスペースリファレンス』の小売販売レシピの設定ファイルは、そのままにしておきます。

Dockerベースのレシピのインポート — Python

開始を行うには、Platform UIの左上にある ワークフローを移動して選択します 。 次に、「レシピを 読み込む 」を選択し、「 起動 」をクリックします。
読み込みレシピ 」ワークフローの「 設定 」ページが表示されます。 レシピの名前と説明を入力し、右上隅の 「次 」を選択します。
Package source files into a Recipe tutorial」では、Pythonソースファイルを使用して小売売上のレシピを作成する最後にDocker URLが提供されています。
Select source 」ページに移動したら、Pythonソースファイルを使用して作成したパッケージレシピに対応するDocker URLを「 Source URL 」フィールドに貼り付けます。 次に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/python/retail/retail.config.json ます。 「 Runtime 」ドロップダウンで「 Python 」を選択し、「 Type」ドロップダウンで「 Classification 」を選択します。 すべての情報が入力されたら、右上隅の​ 「次へ** 」をクリックして「スキーマの 管理 」に進みます。
タイプは​ 分類 ​と​ 回帰をサポートします 。 モデルがこれらのタイプのいずれにも該当しない場合は、「 カスタム 」(Custom)を選択します。
次に、「スキーマの 管理 」セクションの「小売売上高」の入出力スキーマーを選択します。これらは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されたものです。
機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しく設定したレシピを確認します。
必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順

Dockerベースのレシピのインポート — R

開始を行うには、Platform UIの左上にある ワークフローを移動して選択します 。 次に、「レシピを 読み込む 」を選択し、「 起動 」をクリックします。
読み込みレシピ 」ワークフローの「 設定 」ページが表示されます。 レシピの名前と説明を入力し、右上隅の 「次 」を選択します。
Package source files into a Recipe tutorial」では、Rソースファイルを使用して小売売上のレシピを作成する際に、最後にDocker URLが提供されています。
Select source (ソースを選択)」ページに移動したら、「Source URL (ソースURL )」フィールドに、Rソースファイルを使用して作成したパッケージ化レシピに対応するDocker URLを貼り付けます。 次に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json ます。 「 実行時 」ドロップダウンで「 R 」を選択し、「 タイプ 」ドロップダウンで「分類 」を選択します。 すべての情報が入力されたら、右上隅の​ 「次へ** 」をクリックして「スキーマの 管理 」に進みます。
タイプは​ 分類 ​と​ 回帰をサポートします 。 モデルがこれらのタイプのいずれにも該当しない場合は、「 カスタム 」(Custom)を選択します。
次に、「スキーマの 管理 」セクションの「小売売上高」の入出力スキーマーを選択します。これらは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されたものです。
機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しい設定済みレシピを確認します。
必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順

Dockerベースのレシピのインポート — PySpark

開始を行うには、Platform UIの左上にある ワークフローを移動して選択します 。 次に、「レシピを 読み込む 」を選択し、「 起動 」をクリックします。
読み込みレシピ 」ワークフローの「 設定 」ページが表示されます。 レシピの名前と説明を入力し、右上隅の 「次へ 」を選択して次に進みます。
PySparkソースファイルを使用した小売売上レシピの構築の最後に、 Package source files into a Recipe tutorialでDocker URLが提供されました。
Select source 」ページに移動したら、PySparkソースファイルを使用して作成したパッケージレシピに対応するDocker URLを「 Source URL 」フィールドに貼り付けます。 次に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json ます。 「 Runtime 」ドロップダウンで「PySpark 」を選択します。 PySparkランタイムが選択されると、デフォルトのアーティファクトが​ Dockerに自動入力されます 。 次に、「 タイプ 」ドロップダウンで「 分類 」を選択します。 すべての情報が入力されたら、右上隅の​ 「次へ** 」をクリックして「スキーマの 管理 」に進みます。
タイプは​ 分類 ​と​ 回帰をサポートします 。 モデルがこれらのタイプのいずれにも該当しない場合は、「 カスタム 」(Custom)を選択します。
次に、「スキーマの 管理 」セクションの「小売売上高」の入出力スキーマーを選択します。これらは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されたものです。
機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しく設定したレシピを確認します。
必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順

Dockerベースのレシピのインポート — Scala

開始を行うには、Platform UIの左上にある ワークフローを移動して選択します 。 次に、「レシピを 読み込む 」を選択し、「 起動 」をクリックします。
読み込みレシピ 」ワークフローの「 設定 」ページが表示されます。 レシピの名前と説明を入力し、右上隅の 「次へ 」を選択して次に進みます。
Package source files into a Recipe tutorial」では、Scala(Spark)ソースファイルを使用して小売売上のレシピを作成する最後に、Docker URLが提供されていました。
Select source (ソースを選択)」ページに移動したら、「 Source URL (ソースURL)」フィールドに、Scalaソースファイルを使用して作成したパッケージレシピに対応するDocker URLを貼り付けます。 次に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json ます。 「 Runtime 」ドロップダウンで「 Spark 」を選択します。 Sparkランタイムが選択されると、デフォルトのアーティファクトが Dockerに自動入力されます 。 次に、「 タイプ 」ドロップダウンから「 回帰 」を選択します。 すべての情報が入力されたら、右上隅の 「次へ 」をクリックして「スキーマの 管理 」に進みます。
タイプは​ 分類 ​と​ 回帰をサポートします 。 モデルがこれらのタイプのいずれにも該当しない場合は、「 カスタム 」(Custom)を選択します。
次に、「スキーマの 管理 」セクションの「小売売上高」の入出力スキーマーを選択します。これらは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されたものです。
機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しく設定したレシピを確認します。
必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順

次の手順

このチュートリアルでは、Data Science Workspaceにレシピを設定して読み込む方法について説明します。 新しく作成したレシピを使用して、モデルを作成、トレーニング、評価できるようになりました。

非推奨ワークフロー

バイナリベースのレシピの読み込みは、PySpark 3 (Spark 2.4)およびScala (Spark 2.4)ではサポートされなくなりました。

バイナリベースのレシピの読み込み — PySpark

Package sourceファイルをRecipe Tutorialに含めると、Retail Sales PySparkソースファイルを使用して EGG binaryファイルが構築されます。
  1. Adobe Experience Platform で、左側のナビゲーションパネルを探し、「 ワークフロー 」をクリックします。 ワークフローインターフェイスで、 「ソースファイルから 読み込みレシピを新規に起動 ​」処理を実行します。
  2. 小売売上のレシピに適切な名前を入力します。 例えば、「Retail Sales recipe PySpark」とします。 オプションで、レシピの説明とドキュメントURLを含めます。 完了したら、「 Next 」をクリックします。
  3. ドラッグ&ドロップするか、ファイルシステムの Browser . パッケージ化されたレシピはに配置する必要があり experience-platform-dsw-reference/recipes/pyspark/dist ます。 同様に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/pyspark/pipeline.json ます。 両方のファイルが提供されたら 「次へ 」をクリックします。
  4. この時点でエラーが発生する場合があります。 これは正常な動作で、期待される動作です。 「スキーマの 管理 」セクションの「小売売上の入出力スキーマー」を選択します。これらのパラメーターは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されています。 機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しく設定したレシピを確認します。
  5. 必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順

バイナリベースのレシピの読み込み — Scala Spark

Package source files into a Recipe tutorialでは、 JAR binaryファイルはRetail Sales Scala Sparkソースファイルを使用して構築されました。
  1. Adobe Experience Platform で、左側のナビゲーションパネルを探し、「 ワークフロー 」をクリックします。 ワークフローインターフェイスで、 「ソースファイルから 読み込みレシピを新規に起動 ​」処理を実行します。
  2. 小売売上のレシピに適切な名前を入力します。 例えば、「Retail Sales recipe Scala Spark」などです。 オプションで、レシピの説明とドキュメントURLを含めます。 完了したら、「 Next 」をクリックします。
  3. ドラッグ&ドロップして パッケージソースファイルで作成したScala Spark Retail SalesレシピをRecipe Tutorialに読み込むか、ファイルシステムの Browser . 依存関係 を持つパッケージレシピは 、にあり experience-platform-dsw-reference/recipes/scala/target ます。 同様に、指定した設定ファイルをドラッグ&ドロップして読み込むか、ファイルシステムの Browser ​を使用します。 提供された設定ファイルは、にあり experience-platform-dsw-reference/recipes/scala/src/main/resources/pipelineservice.json ます。 両方のファイルが提供されたら 「次へ 」をクリックします。
  4. この時点でエラーが発生する場合があります。 これは正常な動作で、期待される動作です。 「スキーマの 管理 」セクションの「小売売上の入出力スキーマー」を選択します。これらのパラメーターは、「小売売上スキーマとデータセット 作成」チュートリアルの付属のブートストラップスクリプトを使用して作成されています。 機能の管理 」セクションで、スキーマビューアのテナントIDをクリックして、「小売売上高」入力スキーマを展開します。 目的の機能をハイライト表示して入出力機能を選択し、右側の「フィールドプロパティ 」ウィンドウで「 入力機能 」または「 ターゲット機能 ​」を選択します。 このチュートリアルでは、 weeklySales ターゲット機能 、その他すべてを 入力機能に設定します 。 「 次へ 」をクリックして、新しく設定したレシピを確認します。
  5. 必要に応じて、レシピを確認し、設定を追加、変更、または削除します。 「 完了 」をクリックしてレシピを作成します。
次の手順に進み、新しく作成した小売売上高のレシピを使用してData Science Workspaceでモデルを作成する方法を調べます 次の手順