Symulowana sprzedaż OJ

Artykuł
11/23/2024

Ten zestaw danych pochodzi z zestawu danych OJ Firmy Dominick i zawiera dodatkowe symulowane dane do jednoczesnego trenowania tysięcy modeli w usłudze Azure Machine Learning.

Uwaga

Firma Microsoft udostępnia zestawy danych Platformy Azure open na zasadzie "tak, jak to jest". Firma Microsoft nie udziela żadnych gwarancji, wyraźnych lub domniemanych, gwarancji ani warunków w odniesieniu do korzystania z zestawów danych. W zakresie dozwolonym zgodnie z prawem lokalnym firma Microsoft nie ponosi odpowiedzialności za wszelkie szkody lub straty, w tym bezpośrednie, wtórne, specjalne, pośrednie, przypadkowe lub karne wynikające z korzystania z zestawów danych.

Zestaw danych jest udostępniany zgodnie z pierwotnymi warunkami, na jakich firma Microsoft otrzymała dane źródłowe. Zestaw danych może zawierać dane pozyskane z firmy Microsoft.

Dane zawierają tygodniową sprzedaż soku pomarańczowego w ciągu 121 tygodni. Istnieje 3991 sklepów i trzy marki soku pomarańczowego na sklep, aby można było wytrenować 11 973 modele.

Wyświetl oryginalny opis zestawu danych lub pobierz zestaw danych.

Kolumny

Nazwisko	Typ danych	Wartości (przykładowe)	opis
Reklama	int	1	Wartość wskazująca, czy były reklamy tego soku pomarańczowego w tygodniu 0: Brak anonsów 1: Reklamy
Marka	string	dominickstropana	Marka soku pomarańczowego
Cena	double	2.6 2.09	Cena soku pomarańczowego (w USD)
Ilość	int	10939 11638	Ilość soku pomarańczowego sprzedana w tym tygodniu
Przychód	double	38438.4 36036.0	Przychód ze sprzedaży soku pomarańczowego w tym tygodniu (w USD)
Przechowuj	int	2658 1396	Numer sklepu, w którym sprzedano sok pomarańczowy
Tydzień Rozpoczęcia	timestamp	1990-08-09 00:00:00 1992-02-20 00:00:00	Data wskazująca tydzień, z którym sprzedaż jest powiązana

Podgląd

Tydzień Rozpoczęcia	Przechowuj	Marka	Ilość	Reklama	Cena	Przychód
10/1/1992 12:00:00	3571	minute.maid	13247	1	2,42	32057.74
10/1/1992 12:00:00	2999	minute.maid	18461	1	2.69	49660.09
10/1/1992 12:00:00	1198	minute.maid	13222	1	2.64	34906.08
10/1/1992 12:00:00	3916	minute.maid	12923	1	2.45	31661.35
10/1/1992 12:00:00	1688	minute.maid	9380	1	2,46	23074.8
10/1/1992 12:00:00	1040	minute.maid	18841	1	2.31	43522.71
10/1/1992 12:00:00	1938	minute.maid	14202	1	2.19	31102.38
10/1/1992 12:00:00	2405	minute.maid	16326	1	2.05	33468.3
10/1/1992 12:00:00	1972	minute.maid	16380	1	2,12	34725.6

Dostęp do danych

Azure Notebooks

azureml-opendatasets

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

from azureml.opendatasets import OjSalesSimulated

Odczytywanie danych z usługi 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)

Przekazywanie poszczególnych zestawów danych do usługi Blob Storage

Przekażemy dane do obiektu blob i utworzymy zestaw FileDataset z tego folderu plików CSV.

target_path = 'oj_sales_data'

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

Tworzenie zestawu danych plików

Musimy zdefiniować ścieżkę danych, aby utworzyć zestaw 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)

Rejestrowanie zestawu danych pliku w obszarze roboczym

Chcemy zarejestrować zestaw danych w naszym obszarze roboczym, abyśmy mogli wywołać go jako dane wejściowe w naszym potoku na potrzeby prognozowania.

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())

Następne kroki

Wyświetl pozostałe zestawy danych w katalogu Open Datasets (Otwieranie zestawów danych).

Udostępnij za pośrednictwem