Introdução a Machine Learning
Machine Learning extraia características-chave, padrões e anomalias dos seus dados históricos para criar modelos preditivos. Esses modelos contêm insights dos seus dados que você pode transformar em ações e decisões comerciais. Os dados históricos da sua empresa contêm informações que podem melhorar suas decisões comerciais.
Ao integrar Machine Learning modelos em serviços Operational Decision Manager de decisão, você pode aplicar insights preditivos a partir de dados históricos e decisões comerciais prescritivas com base nas políticas da empresa.
Machine Learning Os modelos são criados com o IBMWatson®Machine Learning, que faz parte do IBM®watsonx.ai™. Watson Machine Learning O oferece uma gama completa de ferramentas para criar, treinar e implantar Machine Learning modelos. Você pode escolher a ferramenta com o nível de automação ou autonomia que melhor atenda às suas necessidades.
Watson Machine Learning fornece as seguintes ferramentas:
- Construtor de experimento do autoAI para processar automaticamente dados estruturados para gerar pipelines de candidatos de modelo. Os pipelines com melhor desempenho podem ser salvos como um modelo de aprendizado de máquina e implementados para pontuação.
- Os espaços de implantação oferecem as ferramentas para visualizar e gerenciar implantações de modelos.
- Ferramentas para visualizar e gerenciar implementações de modelo.
Para mais informações, consulte Watson Machine Learning sobre IBM watsonx™ 
.
Configuração e uso
As seções a seguir abordam a configuração e o uso do Machine Learning.
| Atividade | Descrição | Informações |
|---|---|---|
| Aplicando | Este exemplo mostra o processo de adição de um Machine Learning modelo a um serviço de decisão. Você utiliza o serviço de decisão de amostra Miniloan e o Modelo de Machine Learning Previsão de Aprovação de Hipotecas. | Aplicando um Machine Learning modelo |
| Configurando | Você cria um ml.properties arquivo com a configuração de Machine Learning serviço necessária e o define como um recurso XOM. Essa abordagem oferece a vantagem de definir o ponto final para cada RuleApp, personalização aprimorada e flexibilidade no gerenciamento de Machine Learning configurações. Isso pode ser feito usando o Rule Designer, o console do Rule Execution Server ou a API REST. | Adicionando um Machine Learning arquivo de configuração como um recurso XOM |
| Atualizando | Você pode atualizar os IDs de implantação ou fornecer um arquivo JSON ou YAML atualizado para alterar os campos de entrada e saída. | Atualização de Machine Learning referências |
| Excluindo | Você pode excluir Machine Learning melhorias que não deseja mais usar. | Excluindo Machine Learning referências |
| Códigos de Retorno | Quando você faz uma Machine Learning chamada de Operational Decision Manager, você recebe os valores de saída e um código de retorno inteiro. | Machine Learning códigos de retorno |
| Exportação de modelo | Você pode usar um script como alternativa para executar o processo de exportação de um modelo do Machine Learning. | Scripts para exportar códigos de Machine Learning retorno de modelos |