Introducción a Machine Learning
Machine Learning extrae características, patrones y anomalías clave de sus datos históricos para crear modelos predictivos. Estos modelos contienen información de sus datos que puede transformar en acciones y decisiones empresariales. Los datos históricos de su empresa contienen información que puede mejorar sus decisiones empresariales.
Mediante la integración de Machine Learning modelos en Operational Decision Manager servicios de decisión, puede aplicar conocimientos predictivos a partir de datos históricos y decisiones empresariales prescriptivas basadas en las políticas de la empresa.
Machine Learning los modelos se construyen con IBM Watson® Machine Learning que forma parte de IBM® watsonx.ai™. Watson Machine Learning proporciona una amplia gama de herramientas para crear, entrenar e implantar modelos Machine Learning. Puede elegir la herramienta con el nivel de automatización o autonomía que se adapte a sus necesidades.
Watson Machine Learning proporciona las siguientes herramientas:
- Generador de experimentos AutoAI para el proceso automático de datos estructurados para generar interconexiones de candidatos de modelo. Las interconexiones que mejor funcionan se pueden guardar como un modelo de aprendizaje de máquina y desplegar para su puntuación.
- Los espacios de despliegue le ofrecen las herramientas para ver y gestionar los despliegues de modelos.
- Herramientas para ver y gestionar despliegues de modelos.
Para más información, consulte Watson Machine Learning en IBM watsonx™ 
.
Instalación y uso
Las siguientes secciones cubren la configuración y el uso de Machine Learning.
| Actividad | Descripción | Información |
|---|---|---|
| Aplicando | Este ejemplo te lleva a través del proceso de añadir un modelo Machine Learning a un servicio de decisión. Utiliza el servicio de decisión de muestras Miniloan y el Machine Learning Modelo de predicción de aprobación de hipotecas. | Aplicación de un Machine Learning modelo |
| Configuración | Se crea un archivo ml.properties con la configuración necesaria del servicio Machine Learning y se establece como recurso XOM. Este enfoque ofrece la ventaja de definir el endpoint para cada RuleApp, mejorando la personalización y la flexibilidad en la gestión de las configuraciones de Machine Learning. Puede hacerse mediante el Diseñador de reglas, la consola del Servidor de ejecución de reglas o la API REST. | Añadir un archivo de configuración Machine Learning como recurso XOM |
| Actualizando | Puede actualizar los ID de despliegue o proporcionar un archivo JSON o YAML actualizado para modificar los campos de entrada y salida. | Actualización de las referencias Machine Learning |
| Suprimiendo | Puede eliminar Machine Learning las mejoras que ya no desee utilizar. | Borrar referencias de Machine Learning |
| Códigos de retorno | Cuando haces una Machine Learning llamada desde Operational Decision Manager, se devuelven los valores de salida y un código de retorno entero. | Machine Learning códigos de devolución |
| Exportación de modelo | Puede utilizar un script como alternativa para ejecutar el proceso de exportación de un modelo desde Machine Learning. | Scripts para exportar los códigos de retorno de los modelos Machine Learning |