在数据科学工作区UI中培训和评估模型
在Adobe Experience Platform数据科学工作区中,机器学习模型是通过合并适合模型意图的现有方法创建的。 然后对该模型进行训练和评估,通过微调其相关超参数来优化其运行效率和功效。 配方可重复使用,这意味着只需一个配方,即可创建多个模型并根据特定目的对其进行定制。
本教程将逐步介绍创建、训练和评估模型的步骤。
快速入门
要完成本教程,您必须拥有 Experience Platform. 如果您无权访问中的组织 Experience Platform,请在继续之前与系统管理员联系。
本教程需要现有方法。 如果您没有方法,请按照 在UI中导入包装的配方 教程,然后再继续。
创建模型
在Experience Platform中,选择 模型 选项卡,然后选择浏览选项卡以查看现有模型。 选择 创建模型 开始创建模型的过程。
浏览现有方法列表,查找并选择要用于创建模型的方法并选择 下一个.
选择适当的输入数据集并选择 下一个. 这将为模型设置默认输入训练数据集。
提供模型的名称并查看默认模型配置。 在方法创建期间应用了默认配置,通过双击这些值来查看和修改配置值。
要提供一组新的配置,请选择 上传新配置 并将包含模型配置的JSON文件拖到浏览器窗口中。 选择 完成 以创建模型。
创建训练运行
在Experience Platform中,选择 模型 选项卡,然后选择浏览选项卡以查看现有模型。 查找并选择附加到要训练的模型名称的超链接。
列出所有现有培训运行及其当前培训状态。 对于使用创建的 Data Science Workspace 界面,使用默认配置和输入训练数据集自动生成并执行训练运行。
通过选择创建新的训练运行 训练 靠近模型概述页面的右上角。
为训练运行选择训练输入数据集,然后选择 下一个.
模型创建期间提供的默认配置将显示出来,通过双击值可相应地更改和修改这些配置。 选择 完成 创建和执行训练运行。
评估模型
在Experience Platform中,选择 模型 选项卡,然后选择浏览选项卡以查看现有模型。 查找并选择附加到要评估的模型名称的超链接。
列出所有现有培训运行及其当前培训状态。 对于多个已完成的训练运行,可以在模型评估图表中跨不同的训练运行比较评估指标。 使用图表上方的下拉列表选择一个评估指标。
平均绝对百分比误差(MAPE)量度以误差百分比表示精度。 这用于标识表现最好的试验。 MAPE越低越好。
“精度”量度描述相关实例占总实例的百分比 已检索 实例。 精度可以看作是随机选择结果正确的可能性。
选择特定的训练运行,可通过打开评估页面来提供运行的详细信息。 甚至可以在运行完成之前完成此操作。 在评估页面上,您可以看到特定于训练运行的其他评估指标、配置参数和可视化图表。
您还可以下载活动日志以查看运行的详细信息。 日志对于查看失败的运行中发生了什么情况特别有用。
不能训练超参数,必须通过测试超参数的不同组合来优化模型。 重复此模型训练和评估过程,直到达到优化模型。
后续步骤
本教程将指导您在中创建、训练和评估模型 Data Science Workspace. 到达优化模型后,您可以使用经过训练的模型通过遵循以下步骤生成见解 在UI中对模型计分 教程。
参考 reference
零售方法配置
超参数决定了模型的训练行为,修改超参数将会影响模型的精度和精度:
其他参数确定模型的技术属性:
ACP_DSW_INPUT_FEATURES
ACP_DSW_TARGET_FEATURES
ACP_DSW_FEATURE_UPDATE_SUPPORT
ACP_DSW_TRAINING_XDM_SCHEMA
evaluation.labelColumn
evaluation.metrics
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA