在資料科學工作區UI中匯入封裝的配方

本教學課程深入分析如何使用提供的零售範例設定和匯入封裝配方。 在本教學課程結束時，您已準備好在Adobe Experience Platform中建立、訓練及評估模型 Data Science Workspace.

先決條件

本教學課程需要以Docker影像URL形式的封裝方法。 請參閱教學課程，瞭解如何 將來源檔案封裝到配方中 以取得詳細資訊。

UI工作流程

將封裝的配方匯入 Data Science Workspace 需要特定的配方設定，編譯成單一JavaScript物件標籤法(JSON)檔案，這種配方設定的編譯稱為設定檔案。 具有特定組態的封裝配方稱為配方例項。 一個配方可用於建立許多配方例項 Data Science Workspace.

匯入套裝程式配方的工作流程包含下列步驟：

設定配方 configure

中的每個配方執行個體 Data Science Workspace 隨附一組設定，可量身打造適合特定使用案例的配方執行個體。 設定檔案會定義使用此配方執行個體建立之模型的預設訓練和評分行為。

底下是設定檔範例，其中顯示零售方式預設的訓練和評分行為。

[
    {
        "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}"
            }
        ]
    }
]

在本教學課程中，您可以將零售配方的預設設定檔保留在 Data Science Workspace 參考其運作方式。

匯入以Docker為基礎的配方 — Python python

從導覽和選取開始 工作流程 位於左側的 Platform UI。 接下來，選取 匯入配方 並選取 Launch.

此 設定 頁面 匯入配方 工作流程隨即顯示。 輸入配方的名稱與摘要，然後選取 下一個 右上角。

一旦您登入 選取來源 頁面，貼上與使用建立的封裝配方相對應的Docker URL Python 中的來源檔案 來源URL 欄位。 接下來，透過拖放或使用檔案系統匯入提供的組態檔案 瀏覽器. 提供的設定檔案可在以下網址找到： experience-platform-dsw-reference/recipes/python/retail/retail.config.json. 選取 Python 在 執行階段 下拉式清單和 分類 在 型別 下拉式清單。 填寫完所有內容後，選取 下一個 前往右上角 管理結構描述.

接著，選取區段下方的零售銷售輸入和輸出結構 管理結構描述，這些範本是使用 建立零售業銷售結構描述和資料集 教學課程。

在 功能管理 區段中，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 反白所需的特徵並選取 輸入功能 或 目標功能 在右側 欄位屬性 視窗。 在本教學課程中，請將 weeklySales 作為 目標功能 和其他所有專案為 輸入功能. 選取 下一個 以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選取 完成 以建立配方。

繼續前往 後續步驟 以瞭解如何在中建立模型 Data Science Workspace 使用新建立的零售銷售配方。

匯入以Docker為基礎的配方 — R r

從導覽和選取開始 工作流程 位於左側的 Platform UI。 接下來，選取 匯入配方 並選取 Launch.

此 設定 頁面 匯入配方 工作流程隨即顯示。 輸入配方的名稱與摘要，然後選取 下一個 右上角。

一旦您登入 選取來源 頁面，貼上與使用R來源檔案建置的封裝配方相對應的Docker URL 來源URL 欄位。 接下來，透過拖放或使用檔案系統匯入提供的組態檔案 瀏覽器. 提供的設定檔案可在以下網址找到： experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. 選取 R 在 執行階段 下拉式清單和 分類 在 型別 下拉式清單。 填寫完所有內容後，選取 下一個 前往右上角 管理結構描述.

接著，選取區段下方的零售銷售輸入和輸出結構 管理結構描述，這些範本是使用 建立零售業銷售結構描述和資料集 教學課程。

在 功能管理 區段中，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 反白所需的特徵並選取 輸入功能 或 目標功能 在右側 欄位屬性 視窗。 在本教學課程中，請將 weeklySales 作為 目標功能 和其他所有專案為 輸入功能. 選取 下一個 以檢閱您的新已設定配方。

視需要檢閱配方、新增、修改或移除設定。 選取 完成 以建立配方。

繼續前往 後續步驟 以瞭解如何在中建立模型 Data Science Workspace 使用新建立的零售銷售配方。

匯入Docker型配方 — PySpark pyspark

從導覽和選取開始 工作流程 位於左側的 Platform UI。 接下來，選取 匯入配方 並選取 Launch.

此 設定 頁面 匯入配方 工作流程隨即顯示。 輸入配方的名稱與摘要，然後選取 下一個 前往右上角以繼續。

一旦您登入 選取來源 頁面，將對應到使用PySpark來源檔案建立的封裝配方的Docker URL貼到 來源URL 欄位。 接下來，透過拖放或使用檔案系統匯入提供的組態檔案 瀏覽器. 提供的設定檔案可在以下網址找到： experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. 選取 PySpark 在 執行階段 下拉式清單。 選取PySpark執行階段後，預設成品會自動填入 Docker. 接下來，選取 分類 在 型別 下拉式清單。 填寫完所有內容後，選取 下一個 前往右上角 管理結構描述.

接下來，使用「 」選取「零售銷售」輸入和輸出結構描述。 管理結構描述 選擇器中，使用中提供的啟動程式指令碼建立方案 建立零售業銷售結構描述和資料集 教學課程。

在 功能管理 區段中，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 反白所需的特徵並選取 輸入功能 或 目標功能 在右側 欄位屬性 視窗。 在本教學課程中，請將 weeklySales 作為 目標功能 和其他所有專案為 輸入功能. 選取 下一個 以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選取 完成 以建立配方。

繼續前往 後續步驟 以瞭解如何在中建立模型 Data Science Workspace 使用新建立的零售銷售配方。

以Docker為基礎的匯入配方 — Scala scala

從導覽和選取開始 工作流程 位於左側的 Platform UI。 接下來，選取 匯入配方 並選取 Launch.

此 設定 頁面 匯入配方 工作流程隨即顯示。 輸入配方的名稱與摘要，然後選取 下一個 前往右上角以繼續。

一旦您登入 選取來源 頁面，在來源URL欄位中貼上與使用Scala來源檔案建置的封裝配方對應的Docker URL。 接下來，拖放或使用檔案系統「瀏覽器」來匯入提供的組態檔案。 提供的設定檔案可在以下網址找到： experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. 選取 Spark 在 執行階段 下拉式清單。 一旦 Spark 執行階段已選取，預設成品會自動填入 Docker. 接下來，選取 回歸 從 型別 下拉式清單。 填寫完所有內容後，選取 下一個 前往右上角 管理結構描述.

接下來，使用「 」選取「零售銷售」輸入和輸出結構描述。 管理結構描述 選擇器中，使用中提供的啟動程式指令碼建立方案 建立零售業銷售結構描述和資料集 教學課程。

在 功能管理 區段中，在結構描述檢視器中選取租使用者識別以展開零售銷售輸入結構描述。 反白所需的特徵並選取 輸入功能 或 目標功能 在右側 欄位屬性 視窗。 在本教學課程中，請設定"weeklySales」作為 目標功能 和其他所有專案為 輸入功能. 選取 下一個 以檢閱您新設定的配方。

視需要檢閱配方、新增、修改或移除設定。 選取 完成 以建立配方。

繼續前往 後續步驟 以瞭解如何在中建立模型 Data Science Workspace 使用新建立的零售銷售配方。

後續步驟 next-steps

本教學課程深入分析如何設定配方並將其匯入 Data Science Workspace. 您現在可以使用新建立的配方來建立、訓練及評估模型。