Den ultimativen Segen teilen: Eine Reise vom Modellieren zum ScoringAbstrakt
Das richtige Modell zur Vorhersage neuer Ergebnisse anhand neuer Daten zu finden, ist eine wichtige Errungenschaft. Aber oft ist es ein Schritt auf einer Reise, bei der das Endziel darin besteht, die Vorhersagekraft des Modells einem viel größeren Publikum zugänglich zu machen. JMP Pro verfügt über viele Tools, die die Anpassung, den Vergleich und die Auswahl von Vorhersagemodellen erleichtern. JMP Pro 13 hat das Formeldepot hinzugefügt: eine effiziente Möglichkeit, Modelle zu sammeln, sie auf neue Tabellen anzuwenden und auf die Modellvergleichs- und Profiler-Plattformen zuzugreifen. Um die Bereitstellung von Modellen für die Produktion zu erleichtern, kann das Formula Depot sie auch in Scoring-Code in verschiedenen Programmiersprachen umwandeln. In diesem Tutorial verwenden wir eine Immobilien-Fallstudie, um den Arbeitsablauf der prädiktiven Modellierung zu veranschaulichen. Wir stellen Daten zusammen, bereiten die Daten für die Modellierung vor, generieren Vorhersagemodelle, veröffentlichen Modelle im Formula Depot und untersuchen und wählen die besten Modelle aus. Anschließend generieren wir Scoring-Code, um die Erstellung von Webanwendungen zu unterstützen, mit denen Immobilienpreise „vor Ort“ berechnet werden können. Wir werden auch verschiedene Methoden zur Datenbewertung untersuchen und einen Überblick über aktuelle Bereitstellungsarchitekturen geben.
Tutorial-Inhalt
Das Endergebnis des Tutorials ist eine Webanwendung mit Gehäusevorhersagefunktionen, die auf AWS gehostet wird. Du kannst es finden Hier . Im Folgenden wird der Inhalt des Tutorials erläutert, wie er in den Anhängen dieser Seite zu finden ist.
Die Client-Ebene (siehe angehängte Datei RedFinWeb.zip) verwendet Bootstrap für die Benutzeroberfläche und OpenLayers für die Mapping-Funktionen.Es wird als statische Website implementiert, die auf gehostet wird AWS S3 ; Die Schnittstelle erfasst die Benutzerdateneingabe mithilfe eines benutzerdefinierten HTML-Formulars. Diese werden als Eingangswerte in der Modellbewertung verwendet, die durch a ausgelöst wird AUSRUHEN Aufruf an die Rechenschicht.
Die Rechenschicht (siehe angehängte Datei RedFinServerless.zip) nutzt zwei Amazon-Dienste: API-Gateway ist der Einstiegspunkt für die REST-Aufrufe, die einer AWS zugeordnet sind Lambda Service. Lambda ist Amazons Implementierung von Serverlose Architektur Paradigma, auch Function-as-a-Service (FaaS) genannt. Serverless bietet skalierbare Leistung bei geringen Verwaltungskosten für zustandslose Anwendungen mit geringer Latenz und hohem Durchsatz und eignet sich daher hervorragend für die Bewertung von Anwendungen, die per Definition peinlich parallel .
Der Lambda-Dienst war das endgültige Bereitstellungsziel für den von JMP generierten Python-Scoring-Code. Die Bereitstellung von Anwendungen für AWS-Dienste kann manuell über deren erfolgen Managementkonsole , aber um den Prozess zu optimieren, empfehlen wir die Verwendung eines der vielen verfügbaren Open-Source-Wrapper. In dieser Übung haben wir das verwendet Serverloses Anwendungsframework .
Beachten Sie, wie der Python-Code sowohl die Feature-Engineering-Aufgaben (Clustering, Binning, Imputation) als auch das darauf aufbauende Modell erfasst. Dadurch können dieselben Rohdatenquellen, die zur Erstellung des Modells verwendet wurden, auch zur Bewertung neuer Daten in der Produktion verwendet werden – ein wichtiger Gesichtspunkt beim Aufbau einer wartbaren Analysepipeline.
Im Anhang finden Sie auch eine Jupyter-Notizbuch (RedFinNotebook.zip) wird zum Testen des Modells vor der Bereitstellung verwendet; eine Sammlung von Python-Modellen, die von JMP für das Wohnszenario generiert wurden (RedFinModels.zip); und die ursprüngliche JMP-Tabelle mit der Datenbereinigung und Skripten zum Generieren der Modelle. (RedFinData.zip). Diese letzte ZIP-Datei enthält auch eine Tabelle, die veranschaulicht, wie das REST-Backend direkt zur Bewertung durch andere Anwendungen aufgerufen werden kann, in diesem Fall aus einer Excel-Formel.
Verweise
Datenzugriff und -manipulationPrädiktive ModellierungBetreff: Den ultimativen Segen teilen: Eine Reise vom Modellieren zum ScoringDie Idee dahinter ist, dass die Webseite eine Benutzeroberfläche ist, über die Sie die zu bewertenden Daten erhalten – zum Beispiel einen Dialog, in dem der Benutzer einige Werte eingibt. Sobald die Werte übermittelt wurden, sammelt der Event-Handler den von JMP generierten JavaScript-Modellcode und ruft ihn auf. Das Ergebnis wird dem Benutzer wieder angezeigt. Der Hauptvorteil besteht darin, dass kein Rückgriff auf einen Server erforderlich ist und die Lösung daher maximal skalierbar ist. Der Nachteil besteht darin, dass Sie jeweils nur eine oder mehrere Beobachtungen bewerten können – je nach Anwendungsfall ist dies jedoch kein Problem.
Ein konkretes Beispiel finden Sie hier:
http://jmp.valentine.s3-website-us-east-1.amazonaws.com/
Hier generiert die Webseite anstelle von Benutzereingaben zufällige Punkte, die als innerhalb oder außerhalb einer Kurve liegend klassifiziert werden müssen. Die Klassifizierung erfolgt durch ein JMP Neural Network-Modell. Die Visualisierung erfolgt mit D3.js.
Ein weiteres Beispiel, das zeigt, wie eine Webanwendung verwendet wird, um Daten vom Benutzer zu sammeln, die Eingabe zu bewerten und das Ergebnis zurückzugeben, ist in der angehängten Datei „scoring_examples.zip“ verfügbar Präsentation 2016 .
Der Ordner „WebApp“ als vollständige Webanwendung, die das Konzept veranschaulicht. Es wurde für einen Feldforschungsbotaniker entwickelt, der versucht, neue Irisblütenexemplare anhand ihrer Maße zu klassifizieren (ich weiß, ich weiß, wie originell ... 
Betreff: Den ultimativen Segen teilen: Eine Reise vom Modellieren zum ScoringHallo,
Ich schätze Ihre Hilfe.Sie haben zuletzt vorgeschlagen, in einem Browser hinter HTML zu laufen ...
Können Sie mir genauere Angaben machen oder auf etwas verlinken, das mir dabei helfen würde, etwas Greifbares zu erreichen?
Danke,
Jim
Betreff: Den ultimativen Segen teilen: Eine Reise vom Modellieren zum ScoringHallo @jgrayson ,
Es befindet sich in Ihrem Installationsverzeichnis unter Ressourcen/Scoring. Auf meinem Windows-Rechner ist es beispielsweise unter
C:\Programme\SAS\JMPPRO\16\Resources\Scoring\JavaScript
Betreff: Den ultimativen Segen teilen: Eine Reise vom Modellieren zum ScoringHallo,
Können Sie mir sagen, wo ich den „jmp_score“ für Javascript finde?
Danke,
Jim Grayson
