Vendas JO Simuladas
Esse conjunto de dados é derivado do conjunto de dados OJ de Dominick e inclui dados simulados extras para treinar simultaneamente milhares de modelos no Azure Machine Learning.
Nota
A Microsoft fornece os Conjuntos de Dados Abertos do Azure "no estado em que se encontram". A Microsoft não oferece garantias, expressas ou implícitas, garantias ou condições em relação ao seu uso dos conjuntos de dados. Na medida permitida pela legislação local, a Microsoft se isenta de qualquer responsabilidade por quaisquer danos ou perdas, incluindo diretos, consequenciais, especiais, indiretos, incidentais ou punitivos, resultantes do uso dos conjuntos de dados por parte do cliente.
Este conjunto de dados é disponibilizado de acordo com os termos originais em que a Microsoft recebeu os dados de origem. O conjunto de dados pode incluir dados obtidos junto da Microsoft.
Os dados contêm vendas semanais de sumo de laranja ao longo de 121 semanas. São 3.991 lojas inclusas e três marcas de suco de laranja por loja para que 11.973 modelos possam ser treinados.
Exiba a descrição original do conjunto de dados ou baixe o conjunto de dados.
Colunas
| Name | Tipo de dados | Exclusivo | Values (sample) | Description |
|---|---|---|---|---|
| Anúncio | número inteiro | 1 | Valor indicando se houve anúncios para esse suco de laranja durante a semana 0: Sem anúncios 1: Anúncios | |
| Marca | string | Dominicks Tropicana | Marca do sumo de laranja | |
| Preço | duplo | 2.6 2.09 | Preço do sumo de laranja (em USD) | |
| Quantidade | número inteiro | 10939 11638 | Quantidade de sumo de laranja vendida para essa semana | |
| Receita | duplo | 38438.4 36036.0 | Receita das vendas do sumo de laranja para essa semana (em USD) | |
| Armazenamento | número inteiro | 2658 1396 | Número de lojas em que o sumo de laranja foi vendido | |
| SemanaComeçando | carimbo de data/hora | 1990-08-09 00:00:00 1992-02-20 00:00:00 | Data que indica a semana referente às vendas |
Pré-visualizar
| SemanaComeçando | Armazenamento | Marca | Quantidade | Anúncio | Preço | Receita |
|---|---|---|---|---|---|---|
| 01/10/1992 12:00:00 | 3571 | minuto.empregada doméstica | 13247 | 1 | 2,42 | 32057.74 |
| 01/10/1992 12:00:00 | 2999 | minuto.empregada doméstica | 18461 | 1 | 2.69 | 49660.09 |
| 01/10/1992 12:00:00 | 1198 | minuto.empregada doméstica | 13222 | 1 | 2.64 | 34906.08 |
| 01/10/1992 12:00:00 | 3916 | minuto.empregada doméstica | 12923 | 1 | 2.45 | 31661.35 |
| 01/10/1992 12:00:00 | 1688 | minuto.empregada doméstica | 9380 | 1 | 2,46 | 23074.8 |
| 01/10/1992 12:00:00 | 1040 | minuto.empregada doméstica | 18841 | 1 | 2.31 | 43522.71 |
| 01/10/1992 12:00:00 | 1938 | minuto.empregada doméstica | 14202 | 1 | 2.19 | 31102.38 |
| 01/10/1992 12:00:00 | 2405 | minuto.empregada doméstica | 16326 | 1 | 2.05 | 33468.3 |
| 01/10/1992 12:00:00 | 1972 | minuto.empregada doméstica | 16380 | 1 | 2,12 | 34725.6 |
Acesso a dados
Azure Notebooks
from azureml.core.workspace import Workspace
ws = Workspace.from_config()
datastore = ws.get_default_datastore()
from azureml.opendatasets import OjSalesSimulated
Ler dados de Conjuntos de Dados Abertos do Azure
# 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)
Carregue os conjuntos de dados individuais para o Armazenamento de Blobs
Nós carregamos os dados para Blob e criaremos o FileDataset a partir desta pasta de arquivos csv.
target_path = 'oj_sales_data'
datastore.upload(src_dir = oj_sales_path,
target_path = target_path,
overwrite = True,
show_progress = True)
Criar o conjunto de dados do arquivo
Precisamos definir o caminho dos dados para criar o FileDataset.
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)
Registrar o conjunto de dados do arquivo no espaço de trabalho
Queremos registrar o conjunto de dados em nosso espaço de trabalho para que possamos chamá-lo como uma entrada em nosso pipeline para previsão.
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())
Próximos passos
Exiba o restante dos conjuntos de dados no catálogo Open Datasets.