Unüberwachtes Lernen: Segmentierung
Die Demonstration für das unüberwachte Lernen von Data Science führt die Segmentierung anhand von Consumer Expenditure-Daten durch. Es nutzt mehrere Dateien, die zusammen die Funktion der Data Science Solution der Spectrum™-Technologieplattform in Enterprise Designer demonstrieren.
„Spectrum_DataScience_Unsupervised_Learning.zip“ beinhaltet folgende Dateien:
- Spectrum_DataScience_Unsupervised_Learning.pdf: Eine Dokumentation, die Sie durch die Erstellung und Verwendung des primären Datenflusses, des Unterflusses, des Bewertungsdatenflusses und aller unterstützenden Dateien führt.
- Data.zip: Die erforderlichen Eingabe- und Ausgabedateien für jeden der enthaltenen Datenflüsse
- Eingabeordner: Die erforderlichen Eingabedateien für jeden der enthaltenen Datenflüsse
- Ausgabeordner: Die erforderlichen Ausgabedateien für jeden der enthaltenen Datenflüsse
- PythonBased-Ordner: Die erforderlichen Eingabe- und Ausgabedateien zur Verwendung der optionalen Python-Verarbeitung anstelle von Group Statistics- und Transformer-Schritten im primären Datenfluss
- Consumer_Expenditure_Demo_DF_(v12.1).zip: Die Datenflüsse für die Spectrum™ Technology Platform 12.1
- ConsumerExpenditure_v121_sampleandcluster.df
- ConsumerExpenditure_v121_sampleandcluster_subflow.df
- ConsumerExpenditure_v121_score.df
- ConsumerExpenditure_v121_subflow.df
- PythonBased-Ordner: Die erforderlichen Datenflüsse und Prozessflüsse sowie das Bat-Skript, das Python-Skript und die Dokumentation zur Verwendung der optionalen Python-Verarbeitung anstelle von Group Statistics- und Transformer-Schritten im primären Datenfluss
- Consumer_Expenditure_Demo_DF_(v12.2).zip: Die Datenflüsse für die Spectrum™ Technology Platform 12.2
- ConsumerExpenditure_v122_sampleandcluster.df
- ConsumerExpenditure_v122_sampleandcluster_subflow.df
- ConsumerExpenditure_v122_score.df
- ConsumerExpenditure_v122_subflow.df
- PythonBased-Ordner: Die erforderlichen Datenflüsse und Prozessflüsse sowie das Bat-Skript, das Python-Skript und die Dokumentation zur Verwendung der optionalen Python-Verarbeitung anstelle von Group Statistics- und Transformer-Schritten im primären Datenfluss
- ReadMe.txt: Umfangreiche Beschreibungen und Anweisungen für die zuvor genannten Dateien.