Machine Learning ワークフロー

標準的な機械学習ワークフローは、1 つ以上のデータフローで行われる以下のステップで構成されます。

1. Data Integration など、Spectrum の他のモジュールを使用して、データにアクセスします。
2. Data Integration、Data Quality、および各種の Core モジュールなど、Spectrum の他のモジュールのステージを使用して、データを準備します。
3. 機械学習モデルを適合し、データフローを実行してから、モデル ステージの [モデル出力] タブを確認します。必要に応じてモデルに微調整を加え、データフローを再実行します。その後、Machine Learning モデル管理ツールのモデル評価出力全体を確認する必要があります。モデルを 1 度に 1 つずつ確認するか、2 つのモデルを比較することができます。
4. (オプション) モデルをデータのスコアリングに使用する場合は、モデルを Machine Learning モデル管理ツールでエクスポーズします。これにより、そのモデルは Java Model Scoring ステージで使用可能になります。
   1. 上のステップ 1 ～ 2 によってSpectrum™ Technology Platformデータフローを作成し、ステップ 3 を Java Model Scoring ステージに置き換えます。このデータフローをバッチ モードで実行するように設定し、更新されたデータに適用されたモデル スコアを、ファイルに設定します (自然な処理の流れとして、X または入力として使用されたフィールドがステップ 1 ～ 2 で更新されます)。
   2. あるいは、Spectrum™ Technology Platformの Web サービスを使用してオンデマンドでデータをスコアリングします。例えば、Web サイトにアクセスして顧客 ID とモデル入力を取得し、それらをスコアリングして、顧客向けに Web コンテンツをカスタマイズするプロセスにそのスコアを返します。
5. (オプション) モデル スコアは、Data Hub グラフ データベースにエンティティ プロパティとして展開するか、マップ上に展開するか、または CES アプリケーションに展開することもできます。