¿Cómo usar AutoML en Plataforma con el dataset Iris?
Introducción
Veamos un ejemplo rápido del uso del conocido conjunto de datos Iris para entrenar un predictor con las capacidades de AutoML en Plataform (basado en MindsDB).
Para seguir la guía necesitarás un rol ANALYTICS.
Crear la entidad
En primer lugar, importa el CSV adjunto que contiene el conjunto de datos de Iris sobre flores:
con la utilidad Dev Tools> Data to Ontology Import Tools en la plataforma:
Carga el fichero, pulsaremos Generate JSON Schema:
Llama a la ontología "iris_data" indicando que se almacene en MONGO.
Si todo va bien, se deben importar 150 instancias durante el proceso.
Ejecuta la siguiente consulta nativa para eliminar contextData de las instancias:
db.iris_data.update({}, {$unset: {contextData: 1}}, {multi: true})Crear el predictor
A continuación, tienes que crear el predictor de la entidad que acabas de crear.
Dirígete a Analytics tools>My Predictors:
Pulsa en Create
Llámalo iris_class_predictor, y selecciona iris_data como entidad.
Es importante destacar que el predictor (iris_class_predictor) es otra Entidad/Ontología de Plataforma, por lo que puede tratarse como otra Entidad (puede consultarse, pintarse, apificarse, …).
A continuación, selecciona todos los campos como entrada y sólo el campo de clase como objetivo (predicción).
A continuación, haz clic en “Create”.
El modelo pasará por las fases de ‘generating’ y ‘training’:
Una vez que ambos terminen, el modelo estará disponible para las predicciones y podrás ver su precisión en la tabla, así como el algoritmo ganador.
Pulsando en el detalle del predictor, verás toda la información:
Hacer predicciones
Cuando tu modelo esté listo para ser utilizado, podrás predecir la clase de la flor proporcionando los otros cuatro atributos.
Esto puede hacerse utilizando una sintaxis similar a SQL:
SELECT * FROM iris_data_iris_class_predictor where when_data='{"sepal_length":5.1, "sepal_width":3.5, "petal_length": 1.4, "petal_width":0.2}'Apificar una predicción
Como hemos dicho, la predicción (iris_class_predictor) es otra Entidad de Plataforma y por tanto también podemos crear una API REST desde el predictor para realizar predicciones a través de HTTP.
Si eliges crear una API a partir de un predictor, sólo estará disponible una operación: predict.