OJ Sales Simulated

Tato datová sada je odvozena z datové sady Dominick OJ a zahrnuje další simulovaná data pro souběžné trénování tisíců modelů na Azure Machine Learning.

Poznámka

Microsoft poskytuje datové sady Azure Open Datasets podle toho, jak je. Společnost Microsoft neposkytuje žádné záruky, výslovné nebo předpokládané záruky ani podmínky týkající se vašeho používání datových sad. V rozsahu povoleném vaším místním právem Společnost Microsoft zřeknutí se veškeré odpovědnosti za případné škody nebo ztráty, včetně přímých, následných, zvláštních, nepřímých, náhodných nebo represivních, vyplývajících z vašeho používání datových sad.

Na tuto datovou sadu se vztahují původní podmínky, které Microsoft přijal se zdrojovými daty. Datová sada může obsahovat data pocházející z Microsoftu.

Data obsahují týdenní prodej pomerančové šťávy za 121 týdnů. K dispozici je 3 991 obchodů a tři značky pomerančové šťávy na obchod, aby bylo možné trénovat 11 973 modelů.

Zobrazení původního popisu datové sady nebo stažení datové sady

Sloupce

Název	Datový typ	Jedinečná	Hodnoty (ukázka)	Description
Inzerát	int		1	Hodnota označující, zda byly reklamy na oranžovou šťávu v týdnu 0: Žádné reklamy 1: Reklamy
Značka	řetězec		dominicks tropicana	Značka pomerančového džusu
Cena	double		2.6 2.09	Cena pomerančového džusu (v USD)
Množství	int		10939 11638	Množství pomerančového džusu prodané za příslušný týden
Výnos	double		38438.4 36036.0	Výnosy z pomerančového džusu za příslušný týden (v USD)
Uložení	int		2658 1396	Číslo obchodu, kde se pomerančový džus prodal
WeekStarting	časové razítko		1990-08-09 00:00:00 1992-02-20 00:00:00	Datum udávající, ke kterému týdnu se prodeje vztahují

Preview

WeekStarting	Uložení	Značka	Množství	Inzerát	Cena	Výnos
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

Přístup k datům

Azure Notebooks

azureml-opendatasets

Tip

Místo toho si poznámkový blok stáhněte.

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

from azureml.opendatasets import OjSalesSimulated

Čtení dat z 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)

Upload jednotlivé datové sady do Storage objektů blob

Nahrajeme data do objektu blob a vytvoříme FileDataset z této složky souborů CSV.

target_path = 'oj_sales_data'

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

Vytvoření datové sady souborů

Pro vytvoření FileDataset musíme definovat cestu k datům.

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)

Registrace datové sady souborů do pracovního prostoru

Chceme datovou sadu zaregistrovat do pracovního prostoru, abychom ji mohli volat jako vstup do kanálu pro prognózování.

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

Tip

Místo toho si poznámkový blok stáhněte.

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://docs.microsoft.com/en-us/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://docs.microsoft.com/en-us/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())

Další kroky

Zobrazte zbývající datové sady v katalogu Open Datasets.