Decision Optimization Modeling Assistant Modelle

Sie können Decision Optimization -Probleme mithilfe von Modeling Assistant modellieren und lösen (wodurch Sie Modelle in natürlicher Sprache formulieren können). Dies erfordert wenig bis gar kein Wissen über Operational Research (OR) und erfordert nicht, dass Sie Python -Code schreiben. Modeling Assistant ist nur in Englisch verfügbar und nicht globalisiert.

Der grundlegende Workflow zum Erstellen eines Modells mit Modeling Assistant und zum Untersuchen des Modells in verschiedenen Szenarios lautet wie folgt:

1. Sie erstellen ein Projekt.
2. Fügen Sie ein Experiment für Decision Optimization hinzu (ein Szenario wird standardmäßig in der Benutzerschnittstelle für Experimenteerstellt).
3. Fügen Sie Ihre Daten hinzu und importieren Sie sie in das Szenario.
4. Erstellen Sie im Szenario ein Modell für natürliche Sprache, indem Sie zuerst Ihre Entscheidungsdomäne auswählen und dann den Modeling Assistant als Leitfaden verwenden.
5. Führen Sie das Modell aus, um es zu lösen, und erkunden Sie die Lösung.
6. Erstellen Sie Visualisierungen von Lösungen und Daten.
7. Kopieren Sie das Szenario und bearbeiten Sie das Modell und/oder die Daten.
8. Lösen Sie das neue Szenario, um die Auswirkungen dieser Änderungen zu sehen.
9. Speichern Sie ein Modell für die Bereitstellung in Watson Machine Learning.

Dies wird anhand eines einfachen Planungs-und Planungsbeispieles veranschaulicht.

Ein kurzes Video zum Ausführen eines Decision Optimization Experiments zum Erstellen, Lösen und Bereitstellen eines Modells mithilfe der Benutzerschnittstelle von Decision Optimization Experimentfinden Sie unter Erstellen, Ausführen und Bereitstellen eines Decision Optimization -Modells .

Weitere Informationen zur Bereitstellung finden Sie unter Mit Watson Machine Learning.