Komponenten des Analytics Scoring-Moduls

Das Analytics Scoring-Modul setzt sich aus den folgenden Komponenten zusammen.

• Binning Lookup: Dieser Schritt kann verwendet werden, um zuvor definiertes Binning auf neue Daten anzuwenden, indem vorhandene Bins verwendet werden, die in Datenflüssen mithilfe des Binning-Schritts des Machine Learning-Moduls erstellt wurden.
• Java Model Scoring: Dieser Schritt kann verwendet werden, um neue Daten mithilfe der Formel zu bewerten, die beim Anpassen eines Machine Learning-Modells erstellt wird.
• PMML Model Scoring: Sie können diesen Schritt verwenden, um im Kontext eines Datenflusses ein beliebiges Modell auszuwerten, das im Analytics Scoring-Repository gespeichert ist.
• Read from Miner Dataset: Sie können diesen Schritt verwenden, um Daten aus einer Fokusdatei zu lesen, die in einem Datenfluss verwendet werden sollen.
• Write to Miner Dataset: Sie können diesen Schritt verwenden, um Daten aus einem Datenfluss in eine Fokusdatei zu schreiben.
• Machine Learning-Modellverwaltung: Dieses Repository enthält Model Assessment, mit dem Sie alle Machine Learning-Modelle auf Ihrem Spectrum™ Technology Platform-Server verwalten, und Binning Management, mit dem Sie alle Binning-Vorgänge auf Ihrem Spectrum™ Technology Platform-Server verwalten.
• Analytics Scoring-Repository: Dies ist das zentrale Repository für alle Modelle, die für das Analytics Scoring-Modul verfügbar sind. Benutzer können das Repository über einen Webclient verwalten.

Beispiele für überwachtes und unüberwachtes Lernen, das das Scoring von Daten mithilfe von Java Model Scoring umfasst, finden Sie im Handbuch Machine Learning unter „Data Science-Demonstrationsfluss“.