当前位置:主页 > 游戏服务器 > 防御 >

服务器_网站建设企业网站_免费1年

  • 防御
  • 2021-05-24 02:59
  • 动埠云

来源:SAP

这是SAP提供的ASUG BITI网络广播

图2:来源:SAP推荐建模iwth PAL–算法在服务器上实现,数据驻留在服务器上,云发布,请参阅性能更好的

图3:来源:SAP

PAL是数据科学家

信用卡数据,淘客app原生,哪个客户值得信用(分类)

基于房间#等特征预测房价,使用回归

聚类相似客户做有针对性的营销活动

时间依赖模型,顺序模式建模发行优惠券

图4:来源:SAP彩色编码表示投资

图5:来源:SAP随机森林模型训练

图6:来源:SAP带置信度的模型评分PAL代码

图7:来源:SAP其他选项包括与R的集成从R studio连接,从ODBC连接

图8:来源:SAP

R集成看起来像一个存储过程

图9:来源:SAP在TensorFlow中建立模型并调用HANA–就像存储过程

在HANA端,你有应用程序函数库

用SPS02–在右侧创建EML/AFL–HANA和TensorFlow服务器之间的接口

构建和训练TensorFlow并上传到TensorFlow服务器,然后从HANA端消费

通过Google远程函数调用连接

TensorFlow服务服务器可以在开发中的HANA中运行在同一个框中;应在生产中分开

范围为评分

图10:来源:SAP

在TensorFlow中训练模型

图11:来源:SAP步骤1创建TensorFlow服务器的远程源、主机和端口

然后将模型映射到远程源;插入测试模型

下一步-立即应用任何配置更改

然后检查所有连接是否工作,然后开始在应用程序中使用

图12:来源:SAP

在HANA中生成EML,然后使用输入和输出表调用过程

图13:来源:SAP

HANA中的机器学习端到端;取决于类型使用案例

机器学习不仅仅是开发模型,而是如何以可扩展的实时方式优化这些模型

图14:来源:SAP客户流失预测用PAL建立模型

你可以生长决策树,中移物联网,轻淘客旗舰版,输出是PAL中的类

,你有细粒度控制

图15:来源:SAP

第一步是训练模型,填充参数表

图16:来源:SAP

创建表存储模型

捕获变量重要性用表

存储带外erorr

模型的存储混乱矩阵

图17:来源:SAP训练模型,调用函数

决策树以PMML格式存储

出袋错误,变量重要性

混淆矩阵也被输出

14例中只有3例模型预测不准确

图18:来源:SAP

现在建立了模型,想要预测客户流失,工业物联网,并将客户保留

创建参数表为评分结果创建结果表

预测和信心

使用PAL训练模型,然后使用它预测场景

图19:来源:SAP

也可以使用Web IDE构建

图20:来源:SAP

推动执行接近数据

图21:来源:SAP

考虑批量和实时

SP02增强

使用SPS01进行实时预测

图22:来源:SAP

需要实时进行决策

图23:来源:SAP

模型可以保留在内存中

图24:来源:SAP

分区-并行评分

并行进行大批量样式处理的能力

猜你喜欢

微信公众号