Як створити механізм рекомендацій за допомогою сервера машинного навчання Apache's Prediction IO

Ця публікація допоможе вам встановити сервер машинного навчання Apache Prediction IO. Ми використаємо один із його шаблонів, який називається Рекомендація, для створення робочого механізму рекомендацій. Готовий продукт зможе рекомендувати індивідуальні товари залежно від поведінки покупця даного користувача.

Проблема

У вас є купа даних, і вам потрібно щось точно передбачити, щоб ви могли допомогти своєму бізнесу збільшити продажі, збільшити кількість клієнтів, збільшити прибуток, збільшити конверсію або будь-яку іншу потребу бізнесу.

Системи рекомендацій - це, мабуть, перший крок, який кожен робить на шляху до застосування науки про дані та машинного навчання. Механізми рекомендацій використовують дані як вхідні дані та запускають над ними свої алгоритми. Потім вони виводять моделі, за якими ми можемо прогнозувати, що користувач дійсно збирається придбати або що може сподобатися або не сподобатися користувачеві.

Введіть прогноз IO

"Apache PredictionIO (інкубація) - це сервер машинного навчання з відкритим вихідним кодом, побудований на вершині найсучаснішого стеку з відкритим кодом для розробників та науковців, що створюють механізми прогнозування для будь-якого завдання машинного навчання". - Документація щодо введення-виведення Apache Prediction

Перший погляд на документацію змушує мене почувати себе добре, оскільки це дає мені доступ до потужного технологічного стеку для вирішення проблем машинного навчання. Що ще цікавіше, це те, що передбачення вводу-виводу дає доступ до багатьох шаблонів, які корисні для вирішення реальних проблем.

Галерея шаблонів містить безліч шаблонів для рекомендацій, класифікації, регресії, обробки природної мови та багатьох інших. Він використовує такі технології, як Apache Hadoop, Apache spark, ElasticSearch та Apache Hbase, щоб зробити сервер машинного навчання масштабним та ефективним. Я не буду багато говорити про сам прогноз IO, оскільки тут ви можете зробити це самостійно.

Отже, повернімось до проблеми: у мене є купа даних з історій покупок користувачів, яка складається з user_id, product_id та purcha__date. Використовуючи їх, мені потрібно зробити індивідуальне передбачення / рекомендацію для користувача. Розглядаючи цю проблему, ми використаємо шаблон рекомендацій із сервером машинного навчання Prediction IO. Ми будемо використовувати сервер подій Prediction IO, а також масовий імпорт даних.

Тож давайте вперед. (Примітка: Цей посібник передбачає, що ви використовуєте систему Ubuntu для встановлення)

Крок 1: Завантажте Apache Prediction IO

Перейдіть до домашнього каталогу поточного користувача та завантажте найновіший інкубатор 0.10.0 Prediction IO apache. Я припускаю, що ви описуєтесь у наступному режимі(/home/you/)

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

Тепер перейдіть до каталогу ` incubator-predictionio`, де ми клонували репозиторій передбачення IO. Якщо ви клонували його в інший каталог, переконайтесь, що ви знаходитесь у цьому каталозі у вашому терміналі.

Тепер перевіримо поточну стабільну версію Prediction IO, яка становить 0.10.0

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

Крок 2. Давайте зробимо розподіл прогнозного введення

./make-distribution.sh

Якщо все пішло нормально, ви отримаєте таке повідомлення на консолі:

Однак якщо ви зіткнулися з подібним:

тоді вам доведеться видалити .ivy2каталог з домашнього каталогу, за замовчуванням ця папка прихована. Вам потрібно повністю видалити його, а потім запустити ./make-distribution.shще раз, щоб збірка успішно створила файл розповсюдження.

Особисто я стикався з цією проблемою багато разів, але не впевнений, що це вірний спосіб вирішити цю проблему. Але видалення .ivy2папки і знову запуск команди make-distribution працює.

Крок 3. Витягніть файл розповсюдження

Після успішної збірки у нас буде ім'я файлу PredictionIO-0.10.0-incubating.tar.gz всередині каталогу, де ми створили наш прогноз IO. А тепер давайте витягнемо його в каталог під назвою pio.

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

Переконайтесь, що ім’я файлу tar.gz відповідає файлу розповсюдження, який ви маєте в оригінальному каталозі predictionIo. Якщо ви забули перевірити версію 0.10.0 Prediction IO, ви обов’язково отримаєте інше ім’я файлу, оскільки за замовчуванням версія буде останньою.

Крок No4: Підготуйтеся до завантаження залежностей

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

Крок 5: Завантажте та налаштуйте Spark

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

Якщо ваш поточний каталог - ~/pioкоманда завантажить іскру всередину pio dir. А тепер давайте витягнемо його. Залежно від місця завантаження, можливо, ви захочете змінити наведену нижче команду.

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. 

Переконайтеся, що ви робили це mkdir PredictionIO-0.10.0-incubating/vendorsраніше.

Крок 6: Завантажте та налаштуйте ElasticSearch

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

Крок 7: Завантажте та встановіть Hbase

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

Тепер давайте відредагуємо, hbase-site.xmlщоб вказати конфігурацію hbase у потрібний каталог. Враховуючи, що ви перебуваєте в ~/pioдиректорії, ви можете натиснути цю команду та відредагувати hbase conf.

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

Замініть блок конфігурації наступною конфігурацією.

  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 

Тут " ти" означає для вашого користувача каталог, наприклад, якщо ви робите все це як користувач "tom", то це буде щось на зразок file :: /// home / tom / ...

Переконайтесь, що там є потрібні файли.

Тепер давайте налаштуємо JAVA_HOME у hbase-env.sh.

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

Це життєво важливо, оскільки якщо ми не дамо дозволу на папку pio, процес передбачення вводу-виводу не зможе писати файли журналів.

Крок No12: Запустіть сервер прогнозування вводу-виводу

Тепер ми готові до роботи, запустимо наш сервер передбачення вводу-виводу. Перед запуском цієї команди переконайтеся, що ви експортували шлях pio, описаний вище.

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. 

Якщо до цього моменту все в порядку, ви побачите результат приблизно такого вигляду.

Примітка: Якщо ви забудете дати дозвіл, виникатимуть проблеми із написанням журналів, і якщо ваш шлях до JAVA_HOME неправильний, HBASE не запускатиметься належним чином, і це дасть вам помилку.

Крок 13: Перевірте процес

Тепер перевіримо нашу установку pio status, якщо все нормально, ви отримаєте такий вивід:

Якщо ви виявили помилку в Hbase або будь-якому іншому серверному сховищі, переконайтеся, що все було запущено належним чином.

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,

Тепер давайте побудуємо додаток за допомогою pio build, знову зробімо pio train. Тренінг повинен бути успішно завершений. Після закінчення тренінгу ви отримаєте таке повідомлення:

Зверніть увагу, що цей тренінг працює лише для малих даних, але якщо ви хочете спробувати з великим набором даних, тоді нам доведеться створити автономного працівника іскри для проходження навчання. (Я напишу про це в наступному дописі.)

Крок №19: Розгорніть і подайте прогноз

pio deploy#by default it will take 8000 port.

Тепер у нас буде працювати наш сервер передбачення io.

Примітка: щоб це було просто, я не обговорюю сервер подій у цій публікації, оскільки він може стати ще довшим, тому ми зосереджуємось на простому варіанті використання Prediction IO.

Тепер давайте отримаємо передбачення за допомогою curl.

Відкрийте новий термінал і натисніть:

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.

#Start the Spark primary

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

This will start the spark primary. Now let’s browse the spark primary’s web UI by going into //localhost:8080/ in the browser.

Now let’s copy the primary-url to start the replica worker. In our case the primary spark URL is something like this:

spark://your-machine:7077 (your machine signifies to your machine name)

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

The worker will start. Refresh the web ui you will see the registered worker this time. Now let’s run the training again.

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

Great!

Special Thanks: Pat Ferrel From Action ML & Marius Rabenarivo