OJ Sales Simulated

Artikel
09/03/2024

Dieses Dataset stammt aus dem OJ-Dataset von Dominick und enthält zusätzliche simulierte Daten, um Tausende von Modellen in Azure Machine Learning gleichzeitig zu trainieren.

Hinweis

Microsoft stellt Datasets der Plattform Azure Open Datasets auf einer „As is“-Basis (d. h. ohne Mängelgewähr) zur Verfügung. Microsoft übernimmt weder ausdrücklich noch stillschweigend die Gewährleistung für Ihre Nutzung der Datasets und sichert keinerlei Garantien oder Bedingungen zu. Soweit nach örtlich anwendbarem Recht zulässig, lehnt Microsoft jegliche Haftung für Schäden oder Verluste ab. Dies schließt direkte, indirekte, besondere oder zufällige Schäden oder Verluste sowie Folge- und Strafschäden und damit verbundene Verluste ein, die sich aus Ihrer Nutzung der Datasets ergeben.

Für die Bereitstellung dieses Datasets gelten die ursprünglichen Nutzungsbedingungen, unter denen Microsoft die Quelldaten bezogen hat. Das Dataset kann Daten von Microsoft enthalten.

Die Daten enthalten wöchentliche Verkäufe von Orangensaft in einem Zeitraum von 121 Wochen. Es sind 3.991 Läden enthalten und drei Orangensaftmarken pro Laden, also können insgesamt 11.973 Modelle trainiert werden.

Zeigen Sie die ursprüngliche Datasetbeschreibung an, oder laden Sie das Dataset herunter.

Spalten

Name	Datentyp	Beispielwerte	BESCHREIBUNG
Anzeige	INT	1	Wert, der angibt, ob es in der Woche Anzeigen für diesen Orangensaft gab; 0: keine Anzeigen, 1: Anzeigen
Marke	Zeichenfolge	dominicks tropicana	Marke des Orangensafts
Preis	double	2.6 2.09	Preis des Orangensafts (in USD)
Menge	INT	10939 11638	Menge des in einer Woche verkauften Orangensafts
Umsatz	double	38438.4 36036.0	Umsatz aus den Orangensaftverkäufen für diese Woche (in USD)
Speicher	INT	2658 1396	Marktnummer, wo der Orangensaft verkauft wurde
WeekStarting	timestamp	1990-08-09 00:00:00 1992-02-20 00:00:00	Datum, das anzeigt, welcher Woche die Verkäufe zugeordnet werden können

Vorschau

WeekStarting	Speicher	Marke	Menge	Anzeige	Preis	Umsatz
10/1/1992 12:00:00 AM	3571	minute.maid	13247	1	2,42	32057.74
10/1/1992 12:00:00 AM	2.999	minute.maid	18461	1	2.69	49660.09
10/1/1992 12:00:00 AM	1198	minute.maid	13222	1	2.64	34906.08
10/1/1992 12:00:00 AM	3916	minute.maid	12923	1	2.45	31661.35
10/1/1992 12:00:00 AM	1688	minute.maid	9380	1	2.46	23074.8
10/1/1992 12:00:00 AM	1040	minute.maid	18841	1	2.31	43522.71
10/1/1992 12:00:00 AM	1938	minute.maid	14202	1	2.19	31102.38
10/1/1992 12:00:00 AM	2405	minute.maid	16326	1	2,05	33468.3
10/1/1992 12:00:00 AM	1972	minute.maid	16380	1	2,12	34725.6

Datenzugriff

Azure Notebooks

azureml-opendatasets

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

from azureml.opendatasets import OjSalesSimulated

Lesen von Daten aus 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)

Hochladen der einzelnen Datasets in Blob Storage

Wir laden die Daten in das Blob hoch und erstellen das FileDataset aus diesem Ordner mit CSV-Dateien.

target_path = 'oj_sales_data'

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

Erstellen des Dateidatasets

Wir müssen den Pfad der Daten definieren, um das FileDataset zu erstellen.

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)

Registrieren des Dateidatasets im Arbeitsbereich

Wir möchten das Dataset in unserem Arbeitsbereich registrieren, damit wir es als Eingabe in unsere Pipeline für Vorhersagen aufrufen können.

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())

Nächste Schritte

Machen Sie sich mit den restlichen Datasets im Open Datasets-Katalog vertraut.

Freigeben über