Einführung in Machine Learning
Machine Learning extrahiert Schlüsselmerkmale, Muster und Anomalien aus Ihren historischen Daten, um Vorhersagemodelle zu erstellen. Diese Modelle enthalten dann Erkenntnisse aus Ihren Daten, die Sie in Maßnahmen und Geschäftsentscheidungen umsetzen können. Die historischen Daten Ihres Unternehmens enthalten Informationen, die Ihre Geschäftsentscheidungen verbessern können.
Durch die Integration von Machine Learning-Modellen in Operational Decision Manager-Entscheidungsdienste können Sie prädiktive Erkenntnisse aus historischen Daten und präskriptive Geschäftsentscheidungen auf der Grundlage von Unternehmensrichtlinien anwenden.
Machine Learning modelle werden mit IBM Watson® erstellt Machine Learning, das Teil von IBM® watsonx.ai™ ist. Watson Machine Learning bietet eine ganze Reihe von Tools zum Erstellen, Trainieren und Bereitstellen von Machine Learning Modellen. Sie können das Tool mit dem Automatisierungs- oder Autonomiegrad wählen, der Ihren Bedürfnissen entspricht.
Watson Machine Learning bietet die folgenden Werkzeuge:
- AutoAI Experiment Builder für die automatische Verarbeitung strukturierter Daten in generierten Pipelines, die potenzielle Modelle sind. Die leistungsfähigsten Pipelines können als Modell für maschinelles Lernen gespeichert und zum Scoring bereitgestellt werden.
- Einsatzbereiche bieten Ihnen die Möglichkeit, Modelleinsätze anzuzeigen und zu verwalten.
- Tools zum Anzeigen und Verwalten von Modellbereitstellungen.
Weitere Informationen finden Sie unter Watson Machine Learning auf IBM watsonx™ 
.
Einrichtung und Nutzung
Die folgenden Abschnitte behandeln die Einrichtung und Verwendung von Machine Learning.
| Aktivität | Beschreibung | Informationen |
|---|---|---|
| Wird angewendet | In diesem Beispiel werden Sie durch den Prozess des Hinzufügens eines Machine Learning Modells zu einem Entscheidungsdienst geführt. Sie verwenden den Miniloan-Musterentscheidungsdienst und das Machine Learning Hypothekengenehmigungsvorhersagemodell. | Anwendung eines Machine Learning Modells |
| konfigurieren | Sie erstellen eine ml.properties-Datei mit der erforderlichen Machine Learning-Dienstkonfiguration und legen sie als XOM-Ressource fest. Dieser Ansatz bietet den Vorteil, dass der Endpunkt für jede RuleApp, definiert werden kann, was die Anpassbarkeit und Flexibilität bei der Verwaltung von Machine Learning Konfigurationen erhöht. Dies kann über den Regeldesigner, die Konsole des Regelausführungsservers oder die REST-API erfolgen. | Hinzufügen einer Machine Learning Konfigurationsdatei als XOM-Ressource |
| Aktualisierung wird durchgeführt | Sie können die Bereitstellungs-IDs aktualisieren oder eine aktualisierte JSON- oder YAML-Datei bereitstellen, um die Eingabe- und Ausgabefelder zu ändern. | Aktualisierung der Machine Learning Referenzen |
| Wird gelöscht | Sie können Machine Learning Erweiterungen löschen, die Sie nicht mehr verwenden möchten. | Löschen von Machine Learning Referenzen |
| Rückkehrcodes | Wenn Sie einen Machine Learning aufruf von Operational Decision Manager, erhalten Sie die Ausgabewerte und einen ganzzahligen Rückgabecode zurück. | Machine Learning rückgabecodes |
| Modellexport | Sie können alternativ ein Skript verwenden, um den Prozess zum Export eines Modells aus Machine Learning auszuführen. | Skripte zum Exportieren von Rückgabecodes für Machine Learning Modelle |