Posiadasz już gotowy model Machine Learning, w dodatku działający w Scoring.One scenariusz stworzyłeś samodzielnie i w zaledwie kilka minut. Przejdźmy zatem na następny poziom. Co zrobisz, aby kategoryzować klientów na podstawie wyników?
P.S. Jeśli poszukujesz sposobu na szybkie, proste i skuteczne uprodukcyjnienie już posiadanego modelu ML, zerknij tutaj – opisaliśmy cały proces krok po kroku 🙂
Jeśli jeszcze nie korzystałeś z tego silnika MLOps, dostęp do darmowej wersji zyskasz tutaj. Łatwo sprawdzisz także dokumentację.
Jeśli chcesz spróbować swoich sił w kategoryzacji wyników modelu, pobierz przygotowany dla Ciebie w tym celu plik – będziemy dziś na nim pracować. Zaczynajmy!
Otwórz Scoring.One, wróć do tworzenia scenariusza i dodaj kolejną pozycję. Przed kafelkiem „End” umieść pozycję „Expressions” (przeciągnij go z lewej strony do pola scenariusza) – tu możesz wpisać kod w Pythonie, R lub Groovy. Utworzone w tym miejscu zmienne będą zwracane przez model razem z wynikami.
Gdy zmienna „category” została przez Ciebie dodana, wraz z ostateczną oceną scoringową otrzymasz także kategorię, do której zalicza się jej wartość.
Czas na zapytanie http. Użyj w tym celu dowolnego klienta (http). Nam za przykład posłuży biblioteka requests dla Pythona.
W miejsce przeznaczone na wpisane URL wstaw:
https://demo.scoring.one/api/scenario/code/remote/score/?name=NAZWA_SCENARIUSZA&key=KLUCZ_UŻYTKOWNIKA
Jak znajdziesz klucz użytkownika? Został on ukryty został pod nazwą „Score Token”.
Jako Body zapytania wpisujemy niezbędne w modelu zmienne. Poniżej przykład ustawienia wszystkich informacji niezbędnych podczas zapytania.
Uruchom skrypt. Zostanie zwrócony json z wynikami zapytania. I to tyle, zadanie wykonane!
Jak widzisz, operacje oparte na analizie Machine Learning stanowią wyzwania, gdy używasz to tego odpowiednich narzędzi. Jeśli szukasz pomocy w zaawansowanych kwestiach, naszych ekspertów znajdziesz pod adresem info@algolytics.pl. Śmiało zostaw wiadomość 🙂
