本文总结了Jupyter笔记本中使用的SAP Predictive Analytics Python API系列。
在不同的情况下,您需要应用预测模型:
作为Kaggle等预测建模竞赛的参与者,云服务器怎么样,大数据推荐,您可以对提供的测试数据集进行预测,并提交输出文件。若要评估新训练模型的泛化错误,在云上,请将其应用于保持数据集,大数据教程,并将预测值与实际值进行比较。当模型被认为可以生产时,您可以定期将其应用于新数据,以预测目标结果。
在本文中,您将看到如何使用Jupyter笔记本上SAP Predictive Analytics的Python API应用模型。
我们加载了一个旨在检测欺诈性汽车保险索赔的分类模型。我们希望将其应用于新的索赔,以帮助发现欺诈。
应用带有预设设置的模型
我们指定输入数据集的位置和写入输出数据集的位置。
我们为输入数据打开第一个存储,为输出数据打开第二个存储。
自动分析为分类模型提供,预设设置,如:决策,个人贡献,手机网站自助建站,分位数。我们选择:Decision.
我们应用模型。
让我们检查预测文件的内容。
我们在熊猫数据框中加载文件。
我们显示前七行。
因为我们在配置模型时声明了claim id作为键,应用操作会自动将其放入预测文件中。
如果没有任何预设设置符合您的需要,您可以使用高级模式。
应用具有高级设置的模型。
我们打开输入和输出存储并激活高级应用设置模式。
我们请求决策及其概率。
我们还希望获得原因代码。
我们应用模型。
我们显示输出文件的前十行。