Výukový program zápisníku Decision Optimization | IBM Cloud Pak for Data as a Service

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Řešení a analýza modelu: problém se stravou

Last updated: 12. 10. 2023

Výukový program zápisníku Decision Optimization

Tento příklad ukazuje, jak vytvořit a vyřešit model založený na Pythonpomocí ukázky.

O této úloze

Tento známý problém s optimalizací identifikuje nejlepší kombinaci potravin, která splňuje požadavky na stravování a zároveň minimalizuje náklady. Vstupy dat jsou nutriční profil a cena různých potravin a minimální a maximální hodnoty živin ve stravě. Model je vyjádřen jako minimalizace lineárního programu. Soubory použité v této ukázce jsou k dispozici v části DO-samples.

Poznámka: Chcete-li vytvořit a spustit optimalizační modely, musíte mít k projektu přidanou službu Machine Learning a implementační prostor, který je přidružen k vašemu experimentu:

Přidejte Služba Machine Learning do svého projektu. Tuto službu můžete buď přidat na úrovni projektu (viz Vytvoření instance služby Watson Machine Learning Service), nebo ji můžete přidat při prvním vytvoření nové Decision Optimization experiment: klepněte na volbu Přidat službu Machine Learning, vyberte nebo vytvořte novou službu, klepněte na volbu Přidružita poté zavřete okno.
Přidružte prostor implementace ke svému Decision Optimization experimentu (viz prostory implementace). Prostor implementace lze vytvořit nebo vybrat při prvním vytvoření nového Decision Optimization experiment: klepněte na volbu Vytvořit prostor implementace, zadejte název prostoru implementace a klepněte na tlačítko Vytvořit. Pro existující modely můžete také vytvořit nebo vybrat prostor v informačním podokně Přehled .

Postup

Chcete-li vytvořit a vyřešit model založený na Pythonpomocí ukázky, postupujte takto:

Stáhnout a extrahovat všechny DO-ukázky na vašem počítači. Můžete také stáhnout pouze soubor diet.zip z podsložky Model_Builder pro váš produkt a verzi, ale v tomto případě jej neextrahujte.
Otevřete projekt nebo vytvořte prázdný projekt.
Na kartě Spravovat vašeho projektu vyberte sekci Služby a integrace a klepněte na volbu Přidružit službu. Poté vyberte existující instanci služby Machine Learning (nebo vytvořte novou) a klepněte na volbu Přidružit. Když je služba přidružena, zobrazí se zpráva o úspěchu a vy pak můžete zavřít okno Přidružit službu .
Vyberte kartu Aktiva .
Vybrat Nové aktivum > Decision Optimization v sekci Grafičtí tvůrci .
Klepněte na volbu Lokální soubor v okně Vytvořit Decision Optimization experiment , které se otevře.
Vyhledejte složku Model_Builder ve stažených DO-samples. Vyberte příslušnou podsložku produktu a verze. Vyberte soubor Diet.zip a klepněte na tlačítko Otevřít. Případně můžete použít přetažení pomocí myši.
Pokud jste ke svému projektu dosud nepřidružili službu Machine Learning , musíte nejprve vybrat volbu Přidat službu Machine Learning , abyste ji vybrali nebo vytvořili, než vyberete prostor implementace pro svůj experiment.
Klepněte na volbu Nový prostor implementace, zadejte název a klepněte na volbu Vytvořit (nebo vyberte existující prostor z rozevírací nabídky).
Klepněte na volbu Vytvořit.
Vytvoří se model Decision Optimization se stejným názvem jako ukázka.
V pohledu Připravit data zobrazenímůžete zobrazit importovaná datová aktiva.
Tyto tabulky představují minimální a maximální hodnoty živin ve stravě (diet_nutrients), živin v různých potravinách (diet_food_nutrients) a ceny a množství specifických potravin (diet_food).
Klepnutím na ikonu Model sestavení na postranním panelu zobrazte svůj model.
Model Python minimalizuje náklady na potraviny ve stravě a zároveň splňuje minimální požadavky na živiny a kalorie.

Všimněte si také, jak jsou v tomto modelu určeny tabulky vstupy (tabulky v produktu Připravit data zobrazení) a výstupy (v tomto případě tabulka řešení, která se má zobrazit v produktu Explore zobrazení).
Spusťte model klepnutím na tlačítko Spustit v okně Model sestavení zobrazení.

Výsledky

Po dokončení spuštění se výsledky zobrazí v pohledu Prozkoumat řešení zobrazení. Můžete také klepnout na volbu Statistika generátoru nebo Protokol , abyste zobrazili graf řešení a zkontrolovali soubory protokolu generátoru řešitele. První karta v pohledu Prozkoumat řešení zobrazení zobrazuje záměr (nebo záměry, máte-li několik) s jeho hodnotami a váhami. Karta Tabulky řešení vám poskytuje seznam potravin a jejich množství spolu s živinami, které poskytují.

Tabulky řešení můžete také stáhnout jako soubory csv .

Pokud by váš model měl nějaká konfliktní omezení, byla by zobrazena na kartě Konflikty s Relaxacemi nezbytnými k vyřešení modelu.

V pohledu Vizualizacese řešení zobrazí jako tabulka a graf na stránce Řešení . Výběrem a úpravou modulů widget můžete přidat poznámky, různé typy tabulek a grafů pro zobrazení vstupních dat, dat řešení nebo klíčových indikátorů výkonu. Můžete také vytvořit různé stránky v pohledu Vizualizace. V této ukázce je například také uvedena stránka Vstup . Viz Pohled Vizualizace.

Jste připraveni spustit porovnání mezi různými scénáři. Například základní řešení obsahuje množství hot dog. Možná budete chtít zkontrolovat alternativní řešení pro někoho, kdo preferuje vegetariánskou stravu.