Sie können Online-Bereitstellungen für SPSS Modeler erstellen, die mehrere Eingabeströme verwenden, um Daten für das Modell bereitzustellen.
Prozessübersicht
Wenn Sie mehrere Eingabeströme zum Erstellen eines SPSS Modeler verwenden, können Sie eine Online-Bereitstellung für Ihr Modell erstellen.
Die folgende Abbildung zeigt einen SPSS Modeler, der zwei Eingabeströme verwendet. Der Datenfluss verarbeitet die Daten und erstellt ein Modell für maschinelles Lernen. Sie können dieses Modell speichern und eine Online-Bereitstellung erstellen. Nach der Bereitstellung des Modells können Sie den Endpunkt für das Scoring mit Ihren Anwendungen verwenden.
Aufgaben für die Bereitstellung von Multi-Source SPSS Modeler
Sie können einen SPSS Modeler über die Benutzeroberfläche oder die REST-API watsonx.ai erstellen und bereitstellen.
Erstellen und Bereitstellen von Modellen über die Benutzeroberfläche
Führen Sie die folgenden Schritte aus, um einen SPSS Modeler über die Benutzeroberfläche zu erstellen und bereitzustellen:
- Erstellen Sie einen SPSS Modeler : Sie können ein Multi-Source-Modell in Ihrem Projekt erstellen, indem Sie einen SPSS Modeler er-Fluss erstellen.
- Verschieben Sie das Modell-Asset : Nachdem Sie das Modell erstellt haben, verschieben Sie das Asset für Ihr Modell von Ihrem Projekt in Ihren Bereitstellungsbereich.
- Setzen Sie das Modell ein : Erstellen Sie eine Online-Bereitstellung, um den Endpunkt für das Scoring zu verwenden.
- Testen Sie das eingesetzte Modell : Bewerten Sie das eingesetzte Modell.
Erstellen und Bereitstellen von Modellen über die REST-API
Führen Sie die folgenden Schritte aus, um einen SPSS Modeler mit mehreren Quellen über die REST-API watsonx.ai zu erstellen und bereitzustellen:
- Erstellen Sie ein Modell : Sie können ein Multi-Source-Modell erstellen, indem Sie ein Schema bereitstellen.
- Laden Sie den Modellinhalt hoch : Nachdem Sie das Modell erstellt haben, müssen Sie den Inhalt für das Modell in ein Respository-Asset in watsonx.ai Runtime hochladen.
- Setzen Sie das Modell ein : Erstellen Sie eine Online-Bereitstellung, um den Endpunkt für das Scoring zu verwenden.
- Testen Sie das eingesetzte Modell : Bewerten Sie das eingesetzte Modell.
Erstellen und Bereitstellen von Multi-Source-Modellen über die Benutzeroberfläche
Führen Sie die folgenden Schritte aus, um Multi-Source-Modelle in SPSS Modeler zu erstellen und die Modelle über die Benutzeroberfläche bereitzustellen.
Aufgabe 1: Erstellen Sie ein Multi-Source-Modell in SPSS Modeler
Sie können ein Multi-Source-Modell erstellen, indem Sie einen SPSS Modeler erstellen. Weitere Informationen finden Sie unter Erstellen von SPSS Modeler.
Aufgabe 2: Förderung der Modellanlage
Um Ihren Modus bereitzustellen, müssen Sie das mit SPSS Modeler erstellte Modell-Asset in Ihren Bereitstellungsbereich verschieben. Weitere Informationen finden Sie unter Heraufstufen von Assets in einen Bereitstellungsbereich.
Aufgabe 3: Einsatz von Multi-Source-Modellen
Gehen Sie wie folgt vor, um eine Online-Bereitstellung für ein Modell für maschinelles Lernen zu erstellen, das mit mehreren Eingabequellen in SPSS Modeler erstellt wurde:
Voraussetzungen
Sie müssen die Anmeldedaten für Ihre Aufgaben einrichten, um Ihre KI-Dienste bereitzustellen. Weitere Informationen finden Sie unter Verwalten von Berechtigungsnachweisen für Aufgaben.
Wechseln Sie in Ihrem Bereitstellungsbereich zur Registerkarte Assets.
Klicken Sie für Ihr Modell für maschinelles Lernen auf das Symbol " Menü" und wählen Sie " Bereitstellen".
Wählen Sie Online als Bereitstellungsart.
Geben Sie einen Namen für Ihre Bereitstellung ein und geben Sie optional einen Serving-Namen, eine Beschreibung und Tags ein.
Klicken Sie auf Erstellen.
Aufgabe 4: Testen des implementierten Modells
Sie können Ihr eingesetztes Modell bewerten, indem Sie Eingaben im Text- oder JSON-Format bereitstellen.
Folgen Sie diesen Schritten, um Ihr eingesetztes Modell zu bewerten:
- Öffnen Sie in Ihrem Bereitstellungsbereich oder Ihrem Projekt die Registerkarte Bereitstellungen und klicken Sie auf den Namen der Bereitstellung.
- Klicken Sie auf die Registerkarte Test, um einen Aufforderungstext einzugeben und eine Antwort von dem bereitgestellten Asset zu erhalten.
- Geben Sie Testdaten im Text- oder JSON-Format ein, um die Ausgabe zu generieren.
Erstellen und Bereitstellen von SPSS Modeler mit REST API
Führen Sie die folgenden Schritte aus, um Multi-Source-Modelle in SPSS Modeler zu erstellen und die Modelle über die watsonx.ai REST API bereitzustellen.
Aufgabe 1: Erstellen eines Multi-Source-Modells mit SPSS Modeler
Sie können ein Modell mit mehreren Eingabequellen erstellen, indem Sie SPSS Modeler verwenden.
Anforderungen an das Modellschema im JSON-Format
Wenn Sie ein Modell ein Multi-Input-Modellschema im JSON-Format erstellen, muss Ihr Schema die folgenden Anforderungen erfüllen:
| Komponente | Beschreibung |
|---|---|
| Struktur | Jedes Objekt muss id, fields, und values enthalten. |
| ID | Muss eine Zeichenfolge sein. |
| Felder | Muss ein Array von Strings sein. |
| Werte | Muss ein Array von Arrays sein. |
| Wertgegenstände | Jedes Element innerhalb von values muss ein Array sein. |
Der folgende Code zeigt, wie man ein Modell mit Schema erstellt:
curl -H "Authorization: Bearer <TOKEN>" \
-H "content-type: application/json" \
--request POST '<HOSTURL>/ml/v4/models?version=2020-06-12' \
--data-raw '{
"name": "spss-multi-source-user-input-table-output",
"space_id": "<SPACE ID>",
"description": "This is my first resource.",
"software_spec": {
"id": "687eddc9-028a-4117-b9dd-e57b36f1efa5",
"name": "spss-modeler_18.2"
},
"type": "spss-modeler_18.2",
"schemas": {
"input": [{
"fields": [{
"metadata": {
},
"name": "customerID",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "gender",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "SeniorCitizen",
"nullable": true,
"type": "integer"
}, {
"metadata": {
},
"name": "Partner",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Dependents",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "tenure",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PhoneService",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "MultipleLines",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "InternetService",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "OnlineSecurity",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "OnlineBackup",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "DeviceProtection",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "TechSupport",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "StreamingTV",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "StreamingMovies",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Contract",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PaperlessBilling",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PaymentMethod",
"nullable": true,
"type": "string"
}],
"id": "id5B2XR2L3LS6",
"name": "uinode1",
"type": "struct"
}, {
"fields": [{
"metadata": {
},
"name": "MonthlyCharges",
"nullable": true,
"type": "double"
}, {
"metadata": {
},
"name": "TotalCharges",
"nullable": true,
"type": "double"
}, {
"metadata": {
},
"name": "Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "SampleWeight",
"nullable": true,
"type": "double"
}],
"id": "id3YXBN73TTS",
"name": "uinode2",
"type": "struct"
}],
"output": [{
"fields": [{
"metadata": {
},
"name": "Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "customerID",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Predicted Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Probability of Churn",
"nullable": true,
"type": "double"
}],
"id": "id6BPTTYFV44A",
"name": "Output data",
"type": "struct"
}]
}
}'
Aufgabe 2: Hochladen des Modellinhalts
Sie müssen den Inhalt Ihres Modells hochladen, um ein Repository-Asset in watsonx.ai Runtime zu erstellen.
Der folgende Code zeigt, wie man den Modellinhalt hochlädt, um ein Modell-Asset zu erstellen:
curl -vk -X PUT "<HOSTURL>/ml/v4/models/<MODELID OBTAINED FROM STEP1 RESPONSE>/content?version=2020-08-08&content_format=native&space_id=<SPACEID>" -H "Authorization: Bearer <TOKEN>" --data-binary @/PATH/WHERE/ZIP/IS/AVAILABLE/exsistingmultipleuserinputtableoutput.zip
Aufgabe 3: Einsetzen des Modells
Sie können den Endpunkt /ml/v4/deployments verwenden, um eine Online-Bereitstellung für Ihr mit SPSS Modeler flow erstelltes Multi-Input-Modell zu erstellen.
Voraussetzungen
Sie müssen über einen bestehenden IBM Cloud API-Schlüssel verfügen oder einen neuen API-Schlüssel erstellen.
Das folgende Codebeispiel zeigt, wie Sie ein Online-Multi-Input-Modell mit der watsonx.ai REST API erstellen können:
curl --request POST \
--url '<HOST>/ml/v4/deployments?version=2023-03-10' \
--header 'Authorization: Bearer <TOKEN>' \
--header 'Content-Type: application/json' \
--data '{
"asset": {
"id": "<MODEL ID FROM FIRST STEP>"
},
"description": "Multi Source Online Deployment",
"name": "spss_multi_source_online_deployment",
"space_id": "<SPACE ID>",
"online": {
"parameters": {
"serving_name": "spssmultisource"
}
}
}'
Aufgabe 4: Testen des implementierten Modells
Sie können das bereitgestellte Modell bewerten, indem Sie Eingabedaten im JSON-Format eingeben, die dem Schema Ihres Modells entsprechen.
Das folgende Codebeispiel zeigt, wie man Eingabedaten im JSON-Format übergibt und die REST-API verwendet, um das bereitgestellte Modell zu bewerten:
curl -H "Authorization: Bearer <TOKEN>" \
-H "content-type: application/json" \
--request POST '<HOST>/ml/v4/deployments/<DEPLOYMENT_ID RECEIVED FROM STEP 3>/predictions?version=2020-06-12' \
--data-raw '{
"input_data": [
{
"id": "uinode1",
"fields": ["customerID","gender","SeniorCitizen","Partner","Dependents","tenure","PhoneService","MultipleLines","InternetService","OnlineSecurity","OnlineBackup","DeviceProtection","TechSupport","StreamingTV","StreamingMovies","Contract","PaperlessBilling","PaymentMethod"],
"values":[["3638-WEABW","Female",0,"Yes","No","58","Yes","Yes","DSL","No","Yes","No","Yes","No","No","Two year","Yes","Credit card (automatic)"]]
},
{
"id": "uinode2",
"fields": ["MonthlyCharges","TotalCharges","Churn","SampleWeight"],
"values":[[59.9,3505.1,"No",2.768]]
}
]
}'
Ausgabe
{"predictions": {"fields":["Churn","customerID","Predicted Churn","Probability of Churn"],"values":[["No","3638-WEABW","No",0.0526309571556145]]} ]}