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,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,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,淘客社区,中移物联网,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,国内云服务器哪家好,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,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,什么大数据,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,自助免费建站,想要预测客户流失,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