Puoi generare più scenari per testare il tuo modello contro un'ampia gamma di dati e capire quanto sia robusta il modello.

Questo esempio ti passi attraverso il processo per generare più scenari con un modello. Questo permette di testare le prestazioni del modello rispetto a più serie di dati generati casualmente. E'importante in pratica verificare la robustezza di un modello contro una vasta gamma di dati. Questo aiuta a garantire che il modello funzioni bene in condizioni real-world potenzialmente stocastiche.

L'esempio è il modello StaffPlanning nella DO - campioni.

L'esempio è strutturato come segue:

• Il modello StaffPlanning contiene uno scenario predefinito basato su due serie di dati di default, insieme a cinque scenari aggiuntivi basati su serie di dati randomizzati.
• Il notebook Python CopyAndSolveScenarios contiene il generatore casuale per creare i nuovi scenari nel modello StaffPlanning .

Per informazioni generali sulla gestione e la configurazione degli scenari, vedere Scenari in un esperimento Decision Optimization.

Per informazioni sulla scrittura di metodi e classi per gli scenari, consulta la documentazione API Decision Optimization Client Python.