Decision Optimization dizüstü bilgisayar eğitmeni

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

Bir modelin çözülmesi ve analiz edilmesi: Diyet sorunu

Last updated: 12 Eki 2023

Decision Optimization dizüstü bilgisayar eğitmeni

Bu örnek, örnek kullanarak Pythontabanlı bir modelin nasıl yaratılacağını ve çözüleceğini gösterir.

Bu görev hakkında

Bu iyi bilinen optimizasyon sorunu, maliyetleri en aza indirirken beslenme gereksinimlerini karşılamak için en iyi gıda karışımını belirler. Veri girdileri, farklı gıdaların beslenme profili ve fiyatı ile bir diyetteki besinlerin minimum ve maksimum değerleridir. Model, doğrusal bir programın minimizasyonu olarak ifade edilir. Bu örnekte kullanılan dosyalar, DO-samplesiçinde bulunur.

Not: Optimizasyon modelleri oluşturmak ve çalıştırmak için projenize bir Machine Learning hizmeti ve denemenizle ilişkili bir devreye alma alanı eklenmiş olmalıdır:

Projenize bir Machine Learning hizmeti ekleyin. Bu hizmeti proje düzeyinde ekleyebilir (bkz. Watson Machine Learning Hizmet eşgörünümü oluşturulması) ya da yeni bir Decision Optimization Deneyiilk oluşturduğunuzda bunu ekleyebilirsiniz: Machine Learning hizmeti ekleseçeneğini tıklatın ya da bir Yeni hizmetoluşturun, İlişkilendirseçeneğini tıklatın ve pencereyi kapatın.
Bir konuşlandırma alanını Decision Optimization deneyi ile ilişkilendirin (bkz. Konuşlandırma alanları). Yeni bir Decision Optimization deneyiyarattığınızda bir konuşlandırma alanı yaratılabilir ya da seçilebilir: Konuşlandırma alanı yarat'ı tıklatın, konuşlandırma alanınız için bir ad girin ve Yarat' ı tıklatın. Var olan modeller için, Genel Bakış bilgi bölmesinde bir alan oluşturabilir ya da seçebilirsiniz.

Yordam

Örnek kullanarak Pythontabanlı bir model oluşturmak ve çözmek için:

Tüm DO-samples öğelerini bilgisayarınıza yükleyin ve çıkarın. Ürününüze ve sürümünüze ilişkin Model_Builder alt klasöründen yalnızca diet.zip dosyasını yükleyebilirsiniz, ancak bu durumda dosyayı açmayın.
Projenizi açın ya da boş bir proje oluşturun.
Projenizin Yönet sekmesinde Hizmetler ve bütünleştirmeler bölümünü seçin ve Hizmeti ilişkilendir' i tıklatın. Daha sonra var olan bir Machine Learning hizmet eşgörünümünü seçin (ya da yeni bir tane oluşturun) ve İlişkilendir' i tıklatın. Hizmet ilişkilendirildiğinde bir başarı iletisi görüntülenir ve Hizmeti ilişkilendir penceresini kapatabilirsiniz.
Varlıklar sekmesini seçin.
Modellerle çalış bölümünde Yeni görev > İyileştirme sorunlarını çöz seçeneğini belirleyin.
Açılan Eniyileme Sorunlarını Çözün penceresinde Yerel dosya seçeneğini tıklatın.
Karşıdan yüklediğiniz DO-samplesiçindeki Model_Builder klasörünü bulmak için göz atın. İlgili ürün ve sürüm alt klasörünü seçin. Diet.zip dosyasını seçin ve Aç' ı tıklatın. Alternatif olarak sürükle ve bırak yöntemini kullanın.
Projenizle bir Machine Learning hizmetini henüz ilişkilendirmediyseniz, denemeiçin bir devreye alma alanı seçmeden önce seçmek ya da oluşturmak için öncelikle Add a Machine Learning service (Bir Makine Öğrenimi hizmeti ekle) seçeneğini belirlemeniz gerekir.
Yeni konuşlandırma alanı'nı tıklatın, bir ad girin ve Yarat ' ı tıklatın (ya da açılan menüden var olan bir alanı seçin).
Oluşturdüğmesini tıklatın.
Örnekle aynı adla bir Decision Optimization modeli oluşturulur.
Verileri hazırla görünümünde, içe aktarılan veri varlıklarını görebilirsiniz.
Bu tablolar, diyetteki besinler için min ve max değerlerini (diet_nutrients), farklı gıdalardaki besinleri (diet_food_nutrients) ve belirli gıdaların fiyatını ve miktarını (diet_food) temsil eder.
Modelinizi görüntülemek için kenar çubuğunda Oluşturma modeli simgesini tıklatın.
Python modeli, minimum besin ve kalori gereksinimlerini karşılarken diyetteki gıdanın maliyetini en aza indirir.

girişlerinin ( Verileri hazırla görünümündekitablolar) ve çıkışların (bu durumda Keşfet çözümü görünümündegörüntülenecek çözüm tablosu) bu modelde nasıl belirtildiğini de unutmayın.
Oluşturma modeli görünümüiçindeki Çalıştır düğmesini tıklatarak modeli çalıştırın.

Sonuçlar

Çalıştırma tamamlandığında, sonuçları Çözümü keşfedin görünümündegörebilirsiniz. Çözüm grafiğini görmek ve çözücü motoru günlük dosyalarını incelemek için Engine statistics (Motor istatistikleri) ya da Log (Günlük) seçeneğini de tıklatabilirsiniz. Çözümü keşfedin görünümündeki ilk sekme, değerleri ve ağırlıkları olan amacı (ya da hedefleri) gösterir. Çözüm tabloları sekmesi size sağladıkları besinlerle birlikte yiyecek ve miktarlarının bir listesini sağlar.

Çözüm tablolarını csv dosyaları olarak da yükleyebilirsiniz.

Modelinizde çakışan kısıtlamalar varsa, bunlar Çakışmalar sekmesinde modeli çözmek için gerekli İlişkilerle gösterilir.

Görselleştirme görünümünde, çözüm Çözüm sayfasında bir tablo ve grafik olarak görüntülenir. Gereçleri seçip düzenleyerek giriş verilerini, çözüm verilerini ya da anahtar başarım göstergelerini göstermek için notlar, farklı çizelge ve grafik tipleri ekleyebilirsiniz. Görselleştirme görünümündefarklı sayfalar da oluşturabilirsiniz. Örneğin, bu örnekte bir Giriş sayfası da sağlanır. Bkz. Görselleştirme görünümü.

Farklı senaryolar arasında karşılaştırma yapmaya hazırsınız. Örneğin, temel çözüm bir miktar sosisli sandviç içerir. Vejetaryen diyeti tercih eden biri için alternatif bir çözüm bulmak isteyebilirsiniz.