Integración de un Machine Learning modelo

Para llamar a un Machine Learning modelo desde su proyecto de reglas, debe importar el modelo a Rule Designer.

Antes de empezar

Debe tener el servicio de decisión de minipréstamos y el modelo de predicción de aprobación de hipotecas descargados en su ordenador. Véase Aplicación de un Machine Learning modelo.

Acerca de esta tarea

Esta tarea le muestra cómo añadir un Machine Learning modelo a un servicio de decisión. Importa el modelo a Rule Designer y lo integra en el servicio de decisión.

Procedimiento

  1. Importar el servicio de decisión Miniloan al Diseñador de reglas :
    1. Abre Rule Designer en tu ordenador.
    2. En la vista Regla, haga clic en Archivo > Importar.
    3. En el asistente de importación, expanda General > Proyectos existentes en el espacio de trabajo y haga clic en Siguiente.
    4. Seleccione «Seleccionar directorio raíz » y busque los archivos Miniloan que descargó y descomprimió en su ordenador.
    5. Haga clic en Seleccionar todo para seleccionar todos los archivos Miniloan.
    6. En Opciones, haz clic en Copiar proyectos al espacio de trabajo.
    7. Pulse Finalizar.
    La perspectiva Regla ahora muestra el servicio de decisión Miniloan.
  2. Haga clic con el botón derecho en el proyecto Miniloan y seleccione Integración Machine Learning > Mejorar con Machine Learning.
    Se abre el cuadro de diálogo de selección de ODMMachine Learning referencias.
  3. Seleccione Crear para importar un Machine Learning modelo.
    Se abre el panel Añadir una llamada de Machine Learning.
  4. En Machine Learning datos, haga clic en Examinar e importe el archivo JSON o YAML para el Mortgage Approval Prediction Model.
    Después de importar el archivo de modelo, la mayoría de los campos del panel Añadir una Machine Learning llamada se rellenan con los valores predeterminados del archivo.
  5. Añade un ID de implementación al campo ID de implementación de ML. Utilice el ID de implementación que obtuvo en el paso 18 de Descarga de un Machine Learning modelo.
    El ID de implementación es un ID de modelo único que se obtiene desde la Machine Learning interfaz de usuario. Si no dispone de este ID, introduzca un valor provisional en su lugar. Puede cambiar el valor más tarde utilizando el botón Actualizar en el cuadro de diálogo de selección.
  6. Revise los valores predeterminados y corrija los valores no válidos.
    Los valores podrían no ser válidos si los utilizó en una importación Machine Learning anterior o si los caracteres de no filename son valores aceptados.
  7. Haga clic en Cerrar.
    Ahora puede modificar el servicio de decisión para utilizar el Machine Learning modelo.

Resultados

Al importar el modelo, se crean los siguientes elementos en Rule Designer :
  • XOM con dos clases Java™:
    • Clase 1:
      • Nombre tomado del campo inferior del panel de creación
      • Getters y setters de los valores de entrada en el archivo swagger
      • Método para establecer el ID de implementación (setDeploymentID(String))
      • Método para ejecutar un modelo (execute())
      • Método para consultar si los valores devueltos proceden de los valores predeterminados (isReturningDefaultValues())
      • Método para obtener el código de retorno de la llamada (getReturnCode()). (A continuación se enumeran los posibles códigos de retorno)
      • Getters de los valores de salida
    • Clase 2:

      Si Machine Learning no se puede acceder a él en tiempo de ejecución, puede configurarlo para que utilice valores predeterminados especificando que esto está permitido en sus reglas. Cuando se necesitan valores predeterminados, el tiempo de ejecución los obtiene de esta clase de bean.

  • Se crea una clase BOM que proporciona una verbalización para el nuevo XOM
  • Se crea un conjunto de variables con dos variables:
    • Clase BOM que se utilizará para acceder Machine Learning
    • ID de implementación para usar al llamar Machine Learning
  • Ejemplos de reglas en el paquete de reglas:
    • Regla 1 llama Machine Learning.
    • La regla 2 utiliza la puntuación de Machine Learning.

      Estas reglas de muestra se pueden utilizar en su llamada. Al final, la regla imprime los valores devueltos. Elimine estas instrucciones de impresión y utilice los valores de salida en las reglas que siguen en el flujo de reglas.

Qué hacer a continuación

En la siguiente tarea, modificará un servicio de decisión para utilizar un Machine Learning modelo en Rule Designer. A continuación, publique el servicio de decisión en el Centro de decisiones e impleméntelo en el Servidor de ejecución de reglas para realizar pruebas.