Bewertung eines Zeitreihenmodells

Ein Zeitreihenmodell bereitstellen

Nachdem Sie ein Modell in einem Projekt gespeichert haben, führen Sie die folgenden Schritte aus, um das Modell bereitzustellen:

1. Suchen Sie das Modell in der Liste der Projektressourcen.
2. Das Modell in einen Bereitstellungsbereich übertragen.
3. Die Nutzdaten in den Bereitstellungsbereich übertragen.
4. Erstellen Sie im Bereitstellungsbereich eine Bereitstellung.

Überlegungen zur Punktevergabe

Bis zu diesem Punkt erfolgt die Bereitstellung eines Zeitreihenmodells in denselben Schritten wie die Bereitstellung eines Klassifizierungs- oder Regressionsmodells. Da Vorhersagen in einem Zeitreihenmodell jedoch auf eine bestimmte Weise strukturiert und generiert werden, müssen Ihre Eingaben mit der Struktur Ihres Modells übereinstimmen. Beispielsweise hängt die Strukturierung Ihrer Payload davon ab, ob Sie ein einzelnes Ergebnis (univariat) oder mehrere Ergebnisse (multivariat) vorhersagen.

Beachten Sie folgende allgemeine Überlegungen:

• Um die erste Zeile oder die ersten Zeilen des Prognosefensters nach der letzten Zeile in Ihren Daten abzurufen, senden Sie eine leere Nutzlast.
• Um den nächsten Wert zu erhalten, sende das Ergebnis der Anfrage mit leerer Nutzlast als deine nächste Bewertungsanfrage und so weiter.
• Sie können mehrere Zeilen als Eingabe übermitteln, um Trends zu ermitteln und den nächsten Wert nach einem Trend vorherzusagen.
• Wenn Sie mehrere Vorhersagespalten haben, müssen Sie in Ihrer Scoring-Anfrage für jede davon einen Wert angeben
• Bei der Konfiguration der Bereitstellung können Sie unter „Schritte im Voraus “ einen Wert angeben, um die Anzahl der zu prognostizierenden Schritte anzupassen. Für stündliche Wetterdaten könnten Sie beispielsweise 24 Schritte vorhersagen.

Bewertung einer Online-Bereitstellung

Wenn Sie eine Online-Bereitstellung erstellen, können Sie die Nutzdaten über ein Eingabeformular oder durch Übermitteln von JSON-Code übergeben. Dieses Beispiel zeigt, wie der JSON-Code strukturiert werden muss, um Vorhersagen zu generieren.

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": []
    }
  ]
}

{
    "predictions": [
        {
            "fields": [
                "prediction"
            ],
            "values": [
                [
                    12
                ]
            ]
        }
    ]
}

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [12]
          ]
    }
  ]
}

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          ]
    }
  ]
}

Vorhersagen auf der Grundlage neuer Beobachtungen

Wenn Sie statt der Vorhersage der nächsten Zeile auf der Grundlage des vorherigen Schritts neue Beobachtungen eingeben möchten, geben Sie die Eingabedaten für ein univariates Modell wie folgt ein:

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [2],
          [4],
          [6]
          ]
    }
  ]
}

Geben Sie neue Beobachtungen für ein multivariates Modell wie folgt ein:

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          [4, 3],
          [6, 5]
          ]
    }
  ]
}

Dabei sind 2, 4 und 6 Beobachtungen für value1 und 1, 3 und 5 Beobachtungen für value2.

Bewertung eines Zeitreihenmodells mit unterstützenden Merkmalen

Nachdem Sie Ihr Modell bereitgestellt haben, können Sie die Seite mit den Details zur Bereitstellung aufrufen, um Vorhersagewerte abzurufen. Wählen Sie eine der folgenden Möglichkeiten, um Ihre Bereitstellung zu testen:

{
        "input_data": [
                {
                        "id": "observations",
                        "values": [
                                [
                                        96.125,
                                        3.958,
                                        1026.833
                                ]
                        ]
                },
                {
                        "id": "supporting_features",
                        "values": [
                                [
                                        3.208,
                                        1020.667
                                ]
                        ]
                }
        ]
}

Weitere Schritte

Speichern eines von „ AutoAI “ erstellten Notizbuchs ( Watson Machine Learning )