OJ Sales Simulated

Artikel
09/01/2024

Himpunan data ini berasal dari himpunan data OJ Dominick dan menyertakan data simulasi tambahan untuk melatih ribuan model secara bersamaan di Azure Machine Learning.

Catatan

Microsoft menyediakan Azure Open Datasets berdasarkan "apa adanya". Microsoft tidak memberikan jaminan, tersurat maupun tersirat, jaminan atau ketentuan sehubungan dengan penggunaan Anda atas himpunan data. Sejauh diizinkan menurut undang-undang setempat Anda, Microsoft melepaskan semua tanggung jawab atas segala kerusakan atau kerugian, termasuk langsung, konsekuensial, khusus, tidak langsung, insidental, atau hukuman, yang diakibatkan oleh penggunaan Anda atas kumpulan data.

Kumpulan data ini disediakan di bawah ketentuan asli yang diterima Microsoft data sumbernya. Himpunan data mungkin menyertakan data yang bersumber dari Microsoft.

Data tersebut berisi penjualan jus jeruk mingguan selama 121 minggu. Terdapat 3.991 toko dan tiga merek jus jeruk per toko sehingga 11.973 model dapat dilatih.

Lihat deskripsi himpunan data asli atau unduh himpunan data.

Kolom

Nama	Jenis data	Nilai (sampel)	Deskripsi
Iklan	int	1	Nilai yang menunjukkan jika ada iklan untuk jus jeruk tersebut selama seminggu 0: Tidak Ada Iklan 1: Iklan
Merek	string	dominicks tropicana	Merek jus jeruk
Harga	ganda	2.6 2.09	Harga jus jeruk (dalam USD)
Quantity	int	10939 11638	Kuantitas jus jeruk yang terjual untuk minggu tersebut
Pendapatan	ganda	38438,4 36036,0	Pendapatan dari penjualan jus jeruk untuk minggu tersebut (dalam USD)
Bursa	int	2658 1396	Nomor toko tempat jus jeruk dijual
WeekStarting	rentang waktu	09-08-1990 Pukul 00.00.00 20-02-1992 Pukul 00.00.00	Tanggal menunjukkan minggu mana yang terkait dengan penjualan

Pratinjau

WeekStarting	Bursa	Merek	Quantity	Iklan	Harga	Pendapatan
1/10/1992 Pukul 12.00.00	3571	minute.maid	13247	1	2,42	32057,74
1/10/1992 Pukul 12.00.00	2999	minute.maid	18461	1	2.69	49660,09
1/10/1992 Pukul 12.00.00	1198	minute.maid	13222	1	2.64	34906,08
1/10/1992 Pukul 12.00.00	3916	minute.maid	12923	1	2.45	31661,35
1/10/1992 Pukul 12.00.00	1688	minute.maid	9380	1	2.46	23074,8
1/10/1992 Pukul 12.00.00	1040	minute.maid	18841	1	2,31	43522,71
1/10/1992 Pukul 12.00.00	1938	minute.maid	14202	1	2.19	31102,38
1/10/1992 Pukul 12.00.00	2405	minute.maid	16326	1	2,05	33468,3
1/10/1992 Pukul 12.00.00	1972	minute.maid	16380	1	2.12	34725,6

Akses data

Azure Notebooks

azureml-opendatasets

from azureml.core.workspace import Workspace
ws = Workspace.from_config()
datastore = ws.get_default_datastore()

from azureml.opendatasets import OjSalesSimulated

Baca data dari Azure Open Datasets

# Create a Data Directory in local path
import os

oj_sales_path = "oj_sales_data"

if not os.path.exists(oj_sales_path):
    os.mkdir(oj_sales_path)

# Pull all of the data
oj_sales_files = OjSalesSimulated.get_file_dataset()

# or pull a subset of the data
oj_sales_files = OjSalesSimulated.get_file_dataset(num_files=10)

oj_sales_files.download(oj_sales_path, overwrite=True)

Unggah himpunan data individual ke Blob Storage

Kami mengunggah data ke Blob dan akan membuat FileDataset dari folder file csv ini.

target_path = 'oj_sales_data'

datastore.upload(src_dir = oj_sales_path,
                target_path = target_path,
                overwrite = True, 
                show_progress = True)

Buat himpunan data file

Kami perlu menentukan jalur data untuk membuat FileDataset.

from azureml.core.dataset import Dataset

ds_name = 'oj_data'
path_on_datastore = datastore.path(target_path + '/')

input_ds = Dataset.File.from_files(path=path_on_datastore, validate=False)

Daftarkan himpunan data file ke ruang kerja

Kami ingin mendaftarkan himpunan data ke ruang kerja kami sehingga kami dapat memanggilnya sebagai input ke dalam Alur kami untuk prakiraan.

registered_ds = input_ds.register(ws, ds_name, create_new_version=True)
named_ds = registered_ds.as_named_input(ds_name)

Azure Databricks

azureml-opendatasets

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://learn.microsoft.com/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
# Download or mount OJ Sales raw files Azure Machine Learning file datasets.
# This works only for Linux based compute. See https://learn.microsoft.com/azure/machine-learning/service/how-to-create-register-datasets to learn more about datasets.

from azureml.opendatasets import OjSalesSimulated

ojss_file = OjSalesSimulated.get_file_dataset()
ojss_file

ojss_file.to_path()

# Download files to local storage
import os
import tempfile

mount_point = tempfile.mkdtemp()
ojss_file.download(mount_point, overwrite=True)

# Mount files. Useful when training job will run on a remote compute.
import gzip
import struct
import pandas as pd
import numpy as np

# load compressed OJ Sales Simulated gz files and return numpy arrays
def load_data(filename, label=False):
    with gzip.open(filename) as gz:
        gz.read(4)
        n_items = struct.unpack('>I', gz.read(4))
        if not label:
            n_rows = struct.unpack('>I', gz.read(4))[0]
            n_cols = struct.unpack('>I', gz.read(4))[0]
            res = np.frombuffer(gz.read(n_items[0] * n_rows * n_cols), dtype=np.uint8)
            res = res.reshape(n_items[0], n_rows * n_cols)
        else:
            res = np.frombuffer(gz.read(n_items[0]), dtype=np.uint8)
            res = res.reshape(n_items[0], 1)
    return pd.DataFrame(res)

import sys
mount_point = tempfile.mkdtemp()
print(mount_point)
print(os.path.exists(mount_point))
print(os.listdir(mount_point))

if sys.platform == 'linux':
  print("start mounting....")
  with ojss_file.mount(mount_point):
    print(os.listdir(mount_point))  
    train_images_df = load_data(os.path.join(mount_point, 'train-tabular-oj-ubyte.gz'))
    print(train_images_df.info())

Langkah berikutnya

Lihat himpunan data lainnya di katalog Open Datasets.

Bagikan melalui