Skip to content

ストリーミングデータを機械学習モデルでスコアリングする

まとめ

この開発者向けコードパターンでは、オンラインショッピングのデータをストリーミングし、そのデータを使って各顧客がカートに追加した商品を追跡します。scikit-learnを使ってk-meansクラスタリングモデルを構築し、ショッピングカートの内容に応じて顧客をグループ化します。クラスタの割り当てを利用して、推奨する追加商品を予測することができます。

説明

私たちのアプリケーションは、IBM Cloud Pak® for Data上のIBM Streamsを使用して構築されます。IBM Streams は、Streams Flows と呼ばれる内蔵 IDE を提供しており、視覚的にストリーミング・アプリを作成することができます。IBM Cloud Pak for Data プラットフォームは、複数のデータ・ソースとの統合、組み込みのアナリティクス、Jupyter Notebooks、機械学習などの追加サポートを提供します。

機械学習モデルを構築してデプロイするには、IBM Watson® Studio の Jupyter Notebook と Watson Machine Learning インスタンスを使用します。この例では、両方とも IBM Cloud Pak for Data 上で実行しています。

Streams Flows エディターを使用して、以下の演算子を持つストリーミングアプリを作成します。

  • サンプルのクリックストリームデータを生成するSource演算子
  • 「カートに入れる」イベントのみを保持するFilter演算子
  • ショッピングカートのアイテムをPythonコードでスコアリング用の入力配列に配置するCode演算子
  • 顧客をクラスタに割り当てる WML Deployment 演算子
  • 結果を表示するためのDebug演算子

フロー

フロー

  1. ユーザーが機械学習モデルを構築し、デプロイします。
  2. ユーザーは、IBM Streams アプリケーションを作成して実行します。
  3. Streams Flow UIでは、ストリーミング、フィルタリング、スコアリングの動作が表示されます。

指示

始める準備はできましたか？READMEでは、以下の手順を説明しています。

  1. Cloud Pak for Data上のIBM Streamsインスタンスへのアクセスを確認します。
  2. Cloud Pak for Dataで新しいプロジェクトを作成します。
  3. モデルを構築して保存します。
  4. デプロイメントスペースをプロジェクトに関連付けます。
  5. モデルをデプロイする。
  6. Streams Flow アプリケーションを作成して実行します。