Како направити механизам за препоруке помоћу Апацхе-овог Предицтион ИО сервера за машинско учење

Овај пост ће вас водити кроз инсталирање Апацхе Предицтион ИО сервера за машинско учење. Користићемо један од његових шаблона који се зове Препорука за изградњу механизма за рад препорука. Готов производ ће моћи да препоручи прилагођене производе у зависности од куповног понашања датог корисника.

Проблем

Имате гомилу података и морате нешто тачно да предвидите како бисте свом предузећу могли да повећате продају, повећате купце, повећате профит, повећате конверзију или било шта друго што је потребно предузећу.

Системи препорука су вероватно први корак који сви предузимају ка примени науке о подацима и машинског учења. Машине за препоруке користе податке као улаз и прелазе преко њих своје алгоритме. Затим избацују моделе на основу којих можемо направити предвиђање о томе шта ће корисник заиста купити или шта ће се кориснику свидети или не.

Унесите Предвиђање ИО

„Апацхе ПредицтионИО (инкубација) је сервер за машинско учење отвореног кода изграђен на врху модерног стека отвореног кода за програмере и научнике података који креирају механизме предвиђања за било који задатак машинског учења.“ - Апацхе Предицтион ИО документација

Већ при првом погледу на документацију осећам се добро, јер ми даје приступ моћном технолошком стеку за решавање проблема машинског учења. Још је занимљивије то што Предицтион ИО даје приступ многим предлошцима који су корисни за решавање стварних проблема.

Галерија шаблона садржи многе предлошке за препоруке, класификацију, регресију, обраду природног језика и још много тога. Користи технологију као што су Апацхе Хадооп, Апацхе спарк, ЕластицСеарцх и Апацхе Хбасе како би сервер за машинско учење био скалабилан и ефикасан. Нећу пуно да причам о самом предвиђању ИО, јер овде то можете сами.

Вратимо се на проблем: Имам гомилу података из историје куповине корисника, који се састоји од усер_ид, продуцт_ид и купљени_датум. Користећи их, треба да направим прилагођено предвиђање / препоруку кориснику. Узимајући у обзир овај проблем, користићемо образац препоруке са сервером за предвиђање ИО машинског учења. Користићемо Предицтион ИО сервер догађаја, као и скупни увоз података.

Па идемо напред. (Напомена: Овај водич претпоставља да за инсталацију користите систем Убунту)

1. корак: Преузмите Апацхе Предицтион ИО

Идите у почетни директоријум тренутног корисника и преузмите најновији 0.10.0 Предвиђени ИО апацхе инкубатор. Претпостављам да сте у следећем каталогу(/home/you/)

git clone [email protected]:apache/incubator-predictionio.git

Сада идите у директоријум ` инцубатор-предицтионио` где смо клонирали репо предвиђања ИО. Ако сте га клонирали у други директоријум, побрините се да будете унутар тог директоријума на вашем терминалу.

Сада провјеримо тренутну стабилну верзију Предицтион ИО која је 0.10.0

cd incubator-predictionio # or any dir where you have cloned pio.git checkout release/0.10.0

Корак # 2: Направимо расподелу предвиђања ИО

./make-distribution.sh

Ако је све прошло у реду, на вашу конзолу ћете добити поруку попут ове:

Међутим, ако сте наишли на овако нешто:

тада бисте морали да уклоните .ivy2директоријум из свог кућног директоријума, овај фолдер је подразумевано скривен. Морате га потпуно уклонити, а затим ./make-distribution.shпоново покренути да би изградња успешно генерисала датотеку за дистрибуцију.

Лично сам се суочио са овим проблемом много пута, али нисам сигуран да је ово ваљани начин за решавање овог проблема. Али уклањање .ivy2директоријума и поновно покретање наредбе маке-дистрибуција ради.

Корак # 3: Издвојите датотеку за дистрибуцију

Након успешне израде, имаћемо име датотеке под називом ПредицтионИО-0.10.0-инцубатинг.тар.гз унутар директоријума у ​​којем смо изградили наш Предицтион ИО. Сад га извуцимо у директоријум зван пио.

mkdir ~/piotar zxvf PredictionIO-0.10.0-incubating.tar.gz -C ~/pio

Уверите се да се име датотеке тар.гз подудара са датотеком за дистрибуцију коју имате у оригиналном директоријуму предвиђања. Ако сте заборавили да погледате верзију 0.10.0 Предицтион ИО, сигурно ћете добити друго име датотеке, јер би верзија подразумевано била најновија.

Корак # 4: Припремите се за преузимање зависности

cd ~/pio
#Let’s make a vendors folder inside ~/pio/PredictionIO-0.10.0-incubating where we will save hadoop, elasticsearch and hbase.
mkdir ~/pio/PredictionIO-0.10.0-incubating/vendors

Корак # 5: Преузмите и подесите Спарк

wget //d3kbcqa49mib13.cloudfront.net/spark-1.5.1-bin-hadoop2.6.tgz

Ако је ваш тренутни директоријум ~/pioнаредба ће преузети искру унутар пио дир-а. Сад га извуцимо. У зависности од тога где сте га преузели, можда ћете желети да промените наредбу у наставку.

tar zxvfC spark-1.5.1-bin-hadoop2.6.tgz PredictionIO-0.10.0-incubating/vendors
# This will extract the spark setup that we downloaded and put it inside the vendors folder of our fresh pio installation. 

Уверите се да сте то урадили mkdir PredictionIO-0.10.0-incubating/vendorsраније.

Корак # 6: Преузимање и подешавање ЕластицСеарцх-а

wget //download.elasticsearch.org/elasticsearch/elasticsearch/elasticsearch-1.4.4.tar.gz
#Let’s extract elastic search inside vendors folder.
tar zxvfC elasticsearch-1.4.4.tar.gz PredictionIO-0.10.0-incubating/vendors

Корак # 7: Преузмите и подесите Хбасе

wget //archive.apache.org/dist/hbase/hbase-1.0.0/hbase-1.0.0-bin.tar.gz
#Let’s extract it.
tar zxvfC hbase-1.0.0-bin.tar.gz PredictionIO-0.10.0-incubating/vendors

Сада hbase-site.xmlуредимо да усмери хбасе конфигурацију у десни директоријум. С обзиром да се налазите у ~/pioдиректоријуму, могли бисте притиснути ову наредбу и уредити хбасе цонф.

nano PredictionIO-0.10.0-incubating/vendors/hbase-1.0.0/conf/hbase-site.xml

Замените конфигурациони блок следећом конфигурацијом.

  hbase.rootdir file:///home/you/pio/PredictionIO-0.10.0-incubating/vendors/hbase-1.0.0/data   hbase.zookeeper.property.dataDir /home/you/pio/PredictionIO-0.10.0-incubating/vendors/hbase-1.0.0/zookeeper 

Овде „ ви“ означава ваш кориснички директоријум, на пример, ако све ово радите као корисник „том“, то би било нешто попут филе :: /// хоме / том /…

Обавезно пронађите праве датотеке.

Сада подесимо ЈАВА_ХОМЕ у хбасе-енв.сх.

nano PredictionIO-0.10.0-incubating/vendors/hbase-1.0.0/conf/hbase-env.sh

If you’re unsure about which version of JDK you’re currently using, follow these step and make necessary changes if required.

We need Java SE Development Kit 7 or greater for Prediction IO to work. Now let’s make sure we’re using the right version by running:

sudo update-alternatives — config java

By default I’m using:

java -version
openjdk version “1.8.0_121”
OpenJDK Runtime Environment (build 1.8.0_121–8u121-b13–0ubuntu1.16.04.2-b13)
OpenJDK 64-Bit Server VM (build 25.121-b13, mixed mode)

If you’re using below 1.7, then you should change the java config to use a version of java that is equal to 1.7 or greater. You can change that with the update-alternatives command as given above. In my case the command sudo update-alternatives -config java outputs something like this:

If you have any trouble setting this up, you can follow this link.

Now let’s export the JAVA_HOME path in the .bashrc file inside /home/you/pio.

Considering you’re on ~/pio dir, you could do this: nano .bashrc

Don’t forget to do source .bashrc after you set up the java home in the .bashrc.

Step #8: Configure the Prediction IO Environment

Now let’s configure pio.env.sh to give a final touch to our Prediction IO Machine learning server installation.

nano PredictionIO-0.10.0-incubating/conf/pio-env.sh

We’re not using ProsgesSQl or MySql for our event server, So let’s comment out that section and have a pio-env.sh something like this:

#!/usr/bin/env bash## Copy this file as pio-env.sh and edit it for your site's configuration.## Licensed to the Apache Software Foundation (ASF) under one or more# contributor license agreements. See the NOTICE file distributed with# this work for additional information regarding copyright ownership.# The ASF licenses this file to You under the Apache License, Version 2.0# (the "License"); you may not use this file except in compliance with# the License. You may obtain a copy of the License at## //www.apache.org/licenses/LICENSE-2.0## Unless required by applicable law or agreed to in writing, software# distributed under the License is distributed on an "AS IS" BASIS,# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.# See the License for the specific language governing permissions and# limitations under the License.#
# PredictionIO Main Configuration## This section controls core behavior of PredictionIO. It is very likely that# you need to change these to fit your site.
# SPARK_HOME: Apache Spark is a hard dependency and must be configured.SPARK_HOME=$PIO_HOME/vendors/spark-1.5.1-bin-hadoop2.6
POSTGRES_JDBC_DRIVER=$PIO_HOME/lib/postgresql-9.4-1204.jdbc41.jarMYSQL_JDBC_DRIVER=$PIO_HOME/lib/mysql-connector-java-5.1.37.jar
# ES_CONF_DIR: You must configure this if you have advanced configuration for# your Elasticsearch setup. ES_CONF_DIR=$PIO_HOME/vendors/elasticsearch-1.4.4/conf
# HADOOP_CONF_DIR: You must configure this if you intend to run PredictionIO# with Hadoop 2. HADOOP_CONF_DIR=$PIO_HOME/vendors/spark-1.5.1-bin-hadoop2.6/conf
# HBASE_CONF_DIR: You must configure this if you intend to run PredictionIO# with HBase on a remote cluster. HBASE_CONF_DIR=$PIO_HOME/vendors/hbase-1.0.0/conf
# Filesystem paths where PredictionIO uses as block storage.PIO_FS_BASEDIR=$HOME/.pio_storePIO_FS_ENGINESDIR=$PIO_FS_BASEDIR/enginesPIO_FS_TMPDIR=$PIO_FS_BASEDIR/tmp
# PredictionIO Storage Configuration## This section controls programs that make use of PredictionIO's built-in# storage facilities. Default values are shown below.## For more information on storage configuration please refer to# //predictionio.incubator.apache.org/system/anotherdatastore/
# Storage Repositories
# Default is to use PostgreSQLPIO_STORAGE_REPOSITORIES_METADATA_NAME=pio_metaPIO_STORAGE_REPOSITORIES_METADATA_SOURCE=ELASTICSEARCH
PIO_STORAGE_REPOSITORIES_EVENTDATA_NAME=pio_eventPIO_STORAGE_REPOSITORIES_EVENTDATA_SOURCE=HBASE
PIO_STORAGE_REPOSITORIES_MODELDATA_NAME=pio_modelPIO_STORAGE_REPOSITORIES_MODELDATA_SOURCE=LOCALFS
# Storage Data Sources
# PostgreSQL Default Settings# Please change "pio" to your database name in PIO_STORAGE_SOURCES_PGSQL_URL# Please change PIO_STORAGE_SOURCES_PGSQL_USERNAME and# PIO_STORAGE_SOURCES_PGSQL_PASSWORD accordingly# PIO_STORAGE_SOURCES_PGSQL_TYPE=jdbc# PIO_STORAGE_SOURCES_PGSQL_URL=jdbc:postgresql://localhost/pio# PIO_STORAGE_SOURCES_PGSQL_USERNAME=pio# PIO_STORAGE_SOURCES_PGSQL_PASSWORD=root
# MySQL Example# PIO_STORAGE_SOURCES_MYSQL_TYPE=jdbc# PIO_STORAGE_SOURCES_MYSQL_URL=jdbc:mysql://localhost/pio# PIO_STORAGE_SOURCES_MYSQL_USERNAME=root# PIO_STORAGE_SOURCES_MYSQL_PASSWORD=root
# Elasticsearch Example PIO_STORAGE_SOURCES_ELASTICSEARCH_TYPE=elasticsearch PIO_STORAGE_SOURCES_ELASTICSEARCH_CLUSTERNAME=firstcluster PIO_STORAGE_SOURCES_ELASTICSEARCH_HOSTS=localhost PIO_STORAGE_SOURCES_ELASTICSEARCH_PORTS=9300 PIO_STORAGE_SOURCES_ELASTICSEARCH_HOME=$PIO_HOME/vendors/elasticsearch-1.4.4
# ocal File System ExamplePIO_STORAGE_SOURCES_LOCALFS_TYPE=localfsPIO_STORAGE_SOURCES_LOCALFS_PATH=$PIO_FS_BASEDIR/models
# HBase ExamplePIO_STORAGE_SOURCES_HBASE_TYPE=hbasePIO_STORAGE_SOURCES_HBASE_HOME=$PIO_HOME/vendors/hbase-1.0.0

Step #9: Configure cluster name in ElasticSearch config

Since this line PIO_STORAGE_SOURCES_ELASTICSEARCH_CLUSTERNAME=firstcluster points to our cluster name in the ElasticSearch configuration, let’s replace a default cluster name in ElasticSearch configuration.

nano PredictionIO-0.10.0-incubating/vendors/elasticsearch-1.4.4/config/elasticsearch.yml

Step #10: Export The Prediction IO Path

Let’s now export the Prediction IO path so we could freely use the pio command without pointing to it’s bin every time. Run the following command in your terminal:

PATH=$PATH:/home/you/pio/PredictionIO-0.10.0-incubating/bin; export PATH

Step #11: Give Permission To Prediction IO Installation

sudo chmod -R 775 ~/pio

Ово је од виталне важности, јер ако нисмо дали дозволу за фасциклу пио, процес Предицтион ИО неће моћи да записује датотеке дневника.

Корак # 12: Покрените ИО сервер за предвиђање

Сада смо спремни, покренимо наш Предицтион ИО сервер. Пре покретања ове наредбе, уверите се да сте извезли горе описану путању пио.

pio-start-all
#if you forgot to export the pio path, it won't work and you manually have to point the pio bin path. 

Ако је до овог тренутка све у реду, видећете излаз некако овако.

Напомена: Ако тада заборавите да дате дозволу, појавит ће се проблеми с писањем дневника и ако је ваша путања ЈАВА_ХОМЕ нетачна, ХБАСЕ се неће правилно покренути и то ће вам дати грешку.

Корак # 13: Потврдите поступак

Сада проверимо нашу инсталацију са pio status, ако је све у реду, добићете овакав излаз:

Ако наиђете на грешку у Хбасе-у или било којој другој позадинској меморији, уверите се да је све правилно покренуто.

Our Prediction IO Server is ready to implement the template now.

Implementing the Recommendation Engine

A recommendation engine template is a Prediction IO engine template that uses collaborative filtering to make personalized recommendation to the user. It uses can be in E-commerce site, news site, or any application that collects user histories of event to give a personalized experiences to the user.

We’ll implement this template in Prediction IO with few eCommerce user data, just to do an sample experiment with Prediction IO machine learning server.

Now let’s back to our home dir cd ~

Step #14: Download the Recommendation Template

pio template get apache/incubator-predictionio-template-recommender MyRecommendation

It will ask for company name and author name, input subsequently, now we have a MyRecommendation Template inside our home dir. Just a reminder: you can put the template anywhere you want.

#15. Create Our First Prediction IO App

Now let’s go inside the MyRecommendation dir cd MyRecommendation

After you’re inside the template dir, let’s create our first Prediction IO app called ourrecommendation.

You will get output like this. Please remember that you can give any name to your app, but for this example I’ll be using the app name ourrecommendation.

pio app new ourrecommendation

This command will output something like this:

Let’s verify that our new app is there with this command:

pio app list

Now our app should be listed in the list.

Step #16: Import Some Sample Data

Let’s download the sample-data from gist, and put that inside importdata folder inside MyRecommendation folder.

mkdir importdata

Copy the sample-data.json file that you just created inside the importdata folder.

Finally let’s import the data inside our ourrecommendation app. Considering you’re inside the MyRecommendation dir you can do this to batch import the events.

pio import — appid 1 — input importdata/data-sample.json

(Note: make sure the appid of ourrecommendation is same as of your appid that you just provided)

Step #17: Build The App

Before building the app, let’s edit engine.json file inside the MyRecommendation directory to replicate our app name inside it. It should look something like this:

Note: Don’t copy this, just change the “appName” in your engine.json.

{ "id": "default", "description": "Default settings", "engineFactory": "orgname.RecommendationEngine", "datasource": { "params" : { "appName": "ourrecommendation" } }, "algorithms": [ { "name": "als", "params": { "rank": 10, "numIterations": 5, "lambda": 0.01, "seed": 3 } } ]}

Note: the “engineFactory” will be automatically generated when you pull the template in our step 14, so you don’t have to change that. In my case, it’s my orgname, which I put in the terminal prompt during installation of the template. In you engine.json you just need to modify the appName, please don’t change anything else in there.

In the same dir where our MyRecommendation engine template lies, let’s run this pio command to build our app.

pio build

(Note: if you wanna see all the messages during the building process, you can run this pio build — verbose)

It can take sometimes to build our app, since this is the first time. From next time it takes less time. You should get an output like this:

Our engine is now ready to train our data.

Step #18: Train The dataset

pio train

If you get an error like the one below in the middle of the training, then you may have to change number of iterations inside your engine.json and rebuild the app.

Let’s change the numItirations in engine.json which is by default 20 to 5:

“numIterations”: 5,

Хајде сада да направимо апликацију са pio build, опет урадите pio train. Обуку треба успешно завршити. По завршетку тренинга добићете следећу поруку:

Имајте на уму да ова обука ради само за мале податке, али ако желите да покушате са великим скупом података, за обављање обуке морали бисмо да поставимо самосталног радника са варницама. (О овоме ћу писати у наредном посту.)

Корак # 19: Поставите и послужите предвиђање

pio deploy#by default it will take 8000 port.

Сада ћемо имати покренут наш сервер за предвиђање.

Напомена: да би било једноставније, у овом посту нећу расправљати о серверу догађаја, јер може постати још дужи, па се фокусирамо на једноставан случај употребе Предицтион ИО.

Сада ћемо добити предвиђање користећи цурл.

Отворите нови терминал и притисните:

curl -H “Content-Type: application/json” \-d ‘{ “user”: “user1”, “num”: 4 }’ //localhost:8000/queries.json

In the above query, the user signifies to the user_id in our event data, and the num means, how many recommendation we want to get.

Now you will get the result like this:

{"itemScores":[{"item":"product5","score":3.9993937903501093},{"item":"product101","score":3.9989989282500904},{"item":"product30","score":3.994934059438341},{"item":"product98","score":3.1035806376677866}]}

That’s it! Great Job. We’re done. But wait, what’s next?

  • Next we will use spark standalone cluster to train large dataset (believe me, its easy, if you wanna do it right now, you could follow the documenation in Prediction IO)
  • We will use Universal Recommender from Action ML to build a recommendation engine.

Important Notes:

  • The template we used uses ALS algorithm with explicit feedback, however you can easily switch to implicit depending upon your need.
  • If you’re curious about Prediction IO and want to learn more you can do that on the Prediction IO official site.
  • If your Java version is not suitable for Prediction IO specification, then you are sure to run into problems. So make sure you configure this first.
  • Don’t run any of the commands described above with sudo except to give permission. Otherwise you will run into problems.
  • Make sure your java path is correct, and make sure to export the Prediction IO path. You might want to add the Prediction IO path to your .bashrc or profile as well depending upon your need.

Update 2017/07/14: Using Spark To Train Real Data Sets

We have the spark installed inside our vendors folders, with our current installation, our spark bin in the following dir.

~/pio/PredictionIO-0.10.0-incubating/vendors/spark-1.5.1-bin-hadoop2.6/sbin

From there we have to setup a spark primary and replica to execute our model training to accomplish it faster. If your training seems to stuck we can use the spark options to accomplish the training tasks.

# Покрените примарни Спарк

~/pio/PredictionIO-0.10.0-incubating/vendors/spark-1.5.1-bin-hadoop2.6/sbin/start-master.sh

Ово ће покренути примарну искру. Хајде сада да претражимо веб кориснички интерфејс искре примарног одељка тако што ћемо ући у // лоцалхост: 8080 / у прегледачу.

Копирајмо сада примарни урл да започнемо радник реплике. У нашем случају примарни варнични УРЛ је отприлике овако:

спарк: // иоур-мацхине: 7077 (ваша машина означава назив ваше машине)

~/pio/PredictionIO-0.10.0-incubating/vendors/spark-1.5.1-bin-hadoop2.6/sbin/start-slave.sh spark://your-machine:7077

Радник ће почети. Освежите веб корисничко име и овог пута ћете видети регистрованог радника. Ајмо сада поново покренути тренинг.

pio train -- --master spark://localhost:7077 --driver-memory 4G --executor-memory 6G

Сјајно!

Посебна захвалност: Пат Феррел из Ацтион МЛ & Мариус Рабенариво