Deprecated, fue reemplazado por AutoAI en Julio 2019
- En el panel de Assets navega hacia abajo a la sección de Watson Machine Learning
- Haz click en New Watson Machine Learning model
- Dale un nombre a modelo
- Selecciona en Runtime el ambiente Default Spark Scala 2.11
- Selecciona la opción Manual para poder seleccionar los modelos que se probaran.
- Haz click en Create para crear el modelo
- En el paso Data Assets, selecciona el set que se creo apartir del Data Flow del numeral anterior.
- Haz click en Next
- En el paso Technique selecciona como Column value to predict la columna objetivo Exited
- Asegurate que la tecnica sugerida sea Binary Classification
- Haz click en Add Estimators para seleccionar los modelos que evaluaremos.
- Selecciona todos los estimadores y haz click en Add
- Haz click en Next para que comience el entrenamiento de los modelos.
- Espera a que los modelos terminen de entrenar.
- Analiza los resultados de los modelos
- Selecciona el mejor model, tipicamente es el RandomForestClassifier y haz click en el botón Save
- Ve al tab Deployments y haz click en Add Deployment
- Dale un nombre al Despliegue
- Selecciona el metodo de despliege Web Service
- Haz click en Save
- Espera hasta que el estado del despliegue diga
DEPLOY_SUCCESSy haz click sobre el nombre del despliegue.
- Navega en la pestaña Implementation para entender como hacer los llamados a través de REST APIs
- Navega en la pestaña Test y haz un llamado al modelo.
