Workflow de Machine Learning

Un workflow Machine Learning type inclut les étapes suivantes, dans un ou plusieurs flux de données :

1. Accédez aux données à l’aide d'autres modules Spectrum, tels que Data Integration.
2. Préparez les données à l'aide de stages d'autres modules Spectrum tels que Data Integration, Data Quality et Core.
3. Appliquez le modèle Machine Learning, exécutez le flux de données, puis vérifiez le contenu de l'onglet Sortie de modèle dans le stage du modèle. Vous pouvez ensuite affiner le modèle, si nécessaire, et ré-exécuter le flux de données. Ensuite, vous devez vérifier la totalité de la sortie d'évaluation du modèle dans l'outil Machine Learning Model Management. Vous pouvez vérifier un modèle à la fois ou comparer deux modèles.
4. (Facultatif) Si le modèle doit être utilisé pour évaluer des données, exposez le modèle dans l’outil Machine Learning Model Management, ce qui rend le modèle accessible au stage Java Model Scoring.
   1. Créez un flux de données Spectrum™ Technology Platform en suivant les étapes 1 et 2 ci-dessus, puis remplacez l'étape 3 par le stage Java Model Scoring. Configurez ce flux de données de sorte qu'il soit exécuté en mode de traitement par lots pour renseigner un fichier à l'aide des scores du modèle appliqués aux données actualisées (les champs utilisés comme Xs ou entrées sont actualisés à l’étape 1-2 dans le cadre naturel du processus).
   2. Vous pouvez également utiliser un service Web dans Spectrum™ Technology Platform pour évaluer les données à la demande. Par exemple, accédez au site Web, obtenez l’ID client et les entrées du modèle, évaluez-les et renvoyez le score à un processus qui personnalise le contenu Web pour votre client.
5. (Facultatif) Vous pouvez également déployer des scores de modèle dans une base de données graphique Data Hub sous forme de propriété d'entité, sur des cartes ou dans des applications CES.