OJ Sales Simulated
Ez az adatkészlet a Dominick OJ-adatkészletéből származik, és további szimulált adatokat tartalmaz, hogy egyszerre több ezer modellt tanítsunk be az Azure Machine Tanulás.
Megjegyzés:
A Microsoft az Azure Open Datasets szolgáltatást "adott módon" biztosítja. A Microsoft nem vállal kifejezett vagy vélelmezett garanciát vagy feltételeket az adathalmazok Ön általi használatára vonatkozóan. A microsoft a helyi jogszabályok által megengedett mértékben kizár minden felelősséget az adathalmazok használatából eredő károkért vagy veszteségekért, beleértve a közvetlen, következményi, különleges, közvetett, incidenses vagy büntető jellegű károkat is.
Az adatkészletet a Microsoft forrásadataihoz tartozó eredeti feltételek szerint szolgáltatjuk. A készlet tartalmazhat Microsofttól származó adatokat.
Az adatok a narancslé 121 héten keresztüli heti értékesítését tartalmazzák. 3991 üzlet van benne, és üzletenként három márka narancslé, így 11 973 modell tanítható be.
Tekintse meg az eredeti adathalmaz leírását, vagy töltse le az adathalmazt.
Oszlopok
| Név | Adattípus | Egyedi | Values (sample) | Leírás |
|---|---|---|---|---|
| Hirdetés | egész | 1 | Érték, amely azt jelzi, hogy voltak-e hirdetések a narancslé a hét folyamán 0: Nincs hirdetés 1: Hirdetések | |
| Márka | sztring | dominicks tropicana | Narancslé márkája | |
| Ár | double | 2.6 2.09 | A narancslé ára (USD) | |
| Mennyiség | egész | 10939 11638 | Az adott héten eladott narancslé mennyisége | |
| Bevétel | double | 38438.4 36036.0 | A narancsléből származó bevétel az adott héten (USD) | |
| Tárolás | egész | 2658 1396 | Annak az üzletnek a száma, ahol a narancslevet eladták | |
| WeekStarting | timestamp | 1990-08-09 00:00:00 1992-02-20 00:00:00 | Az a dátum, mely azt jelzi, mely hétre vonatkoznak az értékesítések |
Előnézet megtekintése
| WeekStarting | Tárolás | Márka | Mennyiség | Hirdetés | Ár | Bevétel |
|---|---|---|---|---|---|---|
| 1992.01.10. 12:00:00 | 3571 | minute.maid | 13247 | 1 | 2,42 | 32057.74 |
| 1992.01.10. 12:00:00 | 2999 | minute.maid | 18461 | 1 | 2.69 | 49660.09 |
| 1992.01.10. 12:00:00 | 1198 | minute.maid | 13222 | 1 | 2.64 | 34906.08 |
| 1992.01.10. 12:00:00 | 3916 | minute.maid | 12923 | 1 | 2.45 | 31661.35 |
| 1992.01.10. 12:00:00 | 1688 | minute.maid | 9380 | 1 | 2,46 | 23074.8 |
| 1992.01.10. 12:00:00 | 1040 | minute.maid | 18841 | 1 | 2.31 | 43522.71 |
| 1992.01.10. 12:00:00 | 1938 | minute.maid | 14202 | 1 | 2.19 | 31102.38 |
| 1992.01.10. 12:00:00 | 2405 | minute.maid | 16326 | 1 | 2.05 | 33468.3 |
| 1992.01.10. 12:00:00 | 1972 | minute.maid | 16380 | 1 | 2,12 | 34725.6 |
Az adatok elérése
Azure Notebooks
from azureml.core.workspace import Workspace
ws = Workspace.from_config()
datastore = ws.get_default_datastore()
from azureml.opendatasets import OjSalesSimulated
Adatok olvasása az Azure Open Datasetsből
# 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)
Az egyes adathalmazok feltöltése a Blob Storage-ba
Feltöltjük az adatokat a Blobba, és létrehozzuk a FileDatasetet a csv-fájlok mappájából.
target_path = 'oj_sales_data'
datastore.upload(src_dir = oj_sales_path,
target_path = target_path,
overwrite = True,
show_progress = True)
A fájladatkészlet létrehozása
Meg kell határoznunk az adatok elérési útját a FileDataset létrehozásához.
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)
A fájladatkészlet regisztrálása a munkaterületre
Regisztrálni szeretnénk az adathalmazt a munkaterületünkön, hogy a folyamat bemeneteként hívhassuk az előrejelzéshez.
registered_ds = input_ds.register(ws, ds_name, create_new_version=True)
named_ds = registered_ds.as_named_input(ds_name)
Azure Databricks
# 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())
További lépések
Tekintse meg a többi adathalmazt az Open Datasets katalógusban.