在Data Science Workspace UI中訓練和評估模型

在Adobe Experience Platform Data Science Workspace中，機器學習模型是透過結合適合模型意圖的現有配方來建立。 然後訓練並評估模型，藉由微調其相關的Hyperparameters來最佳化其操作效率和功效。 配方可重複使用，這表示您可以透過單一配方建立多個模型，並針對特定目的量身打造。

本教學課程將逐步解說建立、訓練及評估模型的步驟。

快速入門

若要完成本教學課程，您必須擁有 Experience Platform. 如果您無權存取中的組織 Experience Platform，請在繼續之前聯絡您的系統管理員。

本教學課程需要現有配方。 如果您沒有配方，請遵循以下步驟 在UI中匯入封裝的配方 繼續之前，請先參閱教學課程。

建立一個模式

在Experience Platform中，選取 模型 標籤，然後選取瀏覽標籤以檢視現有模型。 選取 建立模型 在頁面右上角附近，開始建立模型的程式。

瀏覽現有配方清單，尋找並選取要用來建立模型的配方，然後選取 下一個.

選取適當的輸入資料集，然後選取 下一個. 這會設定模型的預設輸入訓練資料集。

提供模型的名稱並檢閱預設模型組態。 在配方建立期間套用預設組態，按兩下值以檢閱和修改組態值。

若要提供一組新的設定，請選取 上傳新設定 並將包含模型設定的JSON檔案拖曳至瀏覽器視窗。 選取 完成 以建立模型。

建立訓練回合

在Experience Platform中，選取 模型 標籤，然後選取瀏覽標籤以檢視現有模型。 尋找並選取附加至您要訓練之模型名稱的超連結。

列出所有現有訓練回合及其目前的訓練狀態。 對於使用建立的模型 Data Science Workspace 會使用預設設定和輸入訓練資料集，自動產生並執行訓練回合。

選取以下專案以建立新的訓練回合 訓練 靠近模型概觀頁面的右上角。

選取訓練回合的訓練輸入資料集，然後選取 下一個.

模型建立期間提供的預設組態會顯示，按兩下值可相應地變更和修改這些組態。 選取 完成 以建立並執行訓練回合。

評估模型

在Experience Platform中，選取 模型 標籤，然後選取瀏覽標籤以檢視現有模型。 尋找並選取附加至要評估之模型名稱的超連結。

列出所有現有訓練回合及其目前的訓練狀態。 使用多個已完成的訓練回合時，可在模型評估圖表中比較不同訓練回合中的評估量度。 使用圖表上方的下拉式清單選取評估量度。

平均絕對百分比誤差(MAPE)量度會以誤差百分比來表示精確度。 這可用來識別表現最佳的實驗。 MAPE越低越好。

「精確度」量度說明相關執行個體佔總數的百分比 已擷取 執行個體。 精確度可視為隨機選取的結果正確的可能性。

選取特定訓練回合會透過開啟評估頁面來提供該回合的詳細資料。 這可以在執行完成之前完成。 在評估頁面上，您可以檢視訓練回合專用的其他評估量度、設定引數和視覺效果。

您也可以下載活動記錄檔以檢視執行的詳細資訊。 記錄檔對於失敗的執行特別有用，以檢視哪裡出了問題。

無法訓練Hyperparameters，且必須透過測試不同的Hyperparameters組合來最佳化Model。 重複此模型訓練和評估程式，直到您到達最佳化模型為止。

後續步驟

本教學課程會逐步引導您建立、訓練和評估中的模型 Data Science Workspace. 到達最佳化模型後，您可以使用經過訓練的模型透過以下步驟產生見解 在UI中為模型評分 教學課程。

參考 reference

零售配方設定

超引數會決定模型的訓練行為，修改Hyperparameters將會影響模型的精確度和精確度：

其他引數會決定模型的技術屬性：