Pontuação de um modelo usando a Sensei Machine Learning API

Este tutorial mostrará como aproveitar as APIs para criar um Experimento e uma Execução de Experimento. Para obter uma lista de todos os endpoints na API do Sensei Machine Learning, consulte este documento.

Criar um Experimento agendado para pontuação

Semelhante aos Experimentos programados para treinamento, a criação de um Experimento programado para pontuação também é feita ao incluir um template para o parâmetro body . Além disso, a variável name campo sob tasks no corpo é definido como score.

Este é um exemplo de criação de um Experimento que será executado a cada 20 minutos a partir de startTime e será executado até endTime.

Solicitação

curl -X POST \
  https://platform.adobe.io/data/sensei/experiments \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experiment.v1.json' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}'

{ORG_ID}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{API_KEY}: Seu valor específico da chave de API encontrado na integração exclusiva do Adobe Experience Platform.
{JSON_PAYLOAD}: Objeto de Execução de Experimento a ser enviado. O exemplo usado em nosso tutorial é mostrado aqui:

{
    "name": "Experiment for Retail",
    "mlInstanceId": "{INSTANCE_ID}",
    "template": {
        "tasks": [{
            "name": "score",
            "parameters": [
                {
                    "key": "modelId",
                    "value": "{MODEL_ID}"
                }
            ],
            "specification": {
                "type": "SparkTaskSpec",
                "executorCores": 5,
                "numExecutors": 5
            }
        }],
        "schedule": {
            "cron": "*/20 * * * *",
            "startTime": "2018-07-04",
            "endTime": "2018-07-06"
        }
    }
}

{INSTANCE_ID}: A ID que representa a instância MLI.
{MODEL_ID}: A ID que representa o Modelo treinado.

A resposta a seguir é após criar o Experimento agendado.

Resposta

{
  "id": "{EXPERIMENT_ID}",
  "name": "Experiment for Retail",
  "mlInstanceId": "{INSTANCE_ID}",
  "created": "2018-11-11T11:11:11.111Z",
  "updated": "2018-11-11T11:11:11.111Z",
  "template": {
    "tasks": [
      {
        "name": "score",
        "parameters": [...],
        "specification": {
          "type": "SparkTaskSpec",
          "executorCores": 5,
          "numExecutors": 5
        }
      }
    ],
    "schedule": {
      "cron": "*\/20 * * * *",
      "startTime": "2018-07-04",
      "endTime": "2018-07-06"
    }
  }
}

{EXPERIMENT_ID}: A ID que representa o Experimento.
{INSTANCE_ID}: A ID que representa a instância MLI.

Criar uma execução de experimento para pontuação

Agora, com o modelo treinado, podemos criar uma Execução de experiência para pontuação. O valor da variável modelId é o parâmetro id parâmetro retornado na solicitação do GET Model acima.

Solicitação

curl -X POST \
  https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experimentRun.v1.json' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}'

{ORG_ID}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{API_KEY}: Seu valor específico da chave de API encontrado na integração exclusiva do Adobe Experience Platform.
{EXPERIMENT_ID}: A ID correspondente ao Experimento que você deseja direcionar. Isso pode ser encontrado na resposta ao criar seu Experimento.
{JSON_PAYLOAD}: Dados a publicar. O exemplo usado em nosso tutorial está aqui:

{
   "mode":"score",
    "tasks": [
        {
            "name": "score",
            "parameters": [
                {
                    "key": "modelId",
                    "value": "{MODEL_ID}"
                }
            ]
        }
    ]
}

{MODEL_ID}: A ID correspondente ao Modelo.

A resposta da criação da Execução de Experimento é mostrada abaixo:

Resposta

{
    "id": "{EXPERIMENT_RUN_ID}",
    "mode": "score",
    "experimentId": "{EXPERIMENT_ID}",
    "created": "2018-01-01T11:11:11.011Z",
    "updated": "2018-01-01T11:11:11.011Z",
    "deleted": false,
    "tasks": [
        {
            "name": "score",
            "parameters": [...]
        }
    ]
}

{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.
{EXPERIMENT_RUN_ID}: A ID correspondente à Execução do experimento que você acabou de criar.

Recuperar um status de Execução de experiência para Execução de experiência agendada

Para obter Execuções de Experimento para Experimentos programados, a consulta é mostrada abaixo:

Solicitação

curl -X GET \
  'https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {ORG_ID}'

{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{ORG_ID}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.

Como há várias execuções de experimento para um experimento específico, a resposta retornada terá uma matriz de IDs de execução.

Resposta

{
    "children": [
        {
            "id": "{EXPERIMENT_RUN_ID}",
            "experimentId": "{EXPERIMENT_ID}",
            "created": "2018-01-01T11:11:11.011Z",
            "updated": "2018-01-01T11:11:11.011Z"
        },
        {
            "id": "{EXPERIMENT_RUN_ID}",
            "experimentId": "{EXPERIMENT_ID}",
            "created": "2018-01-01T11:11:11.011Z",
            "updated": "2018-01-01T11:11:11.011Z"
        }
    ]
}

{EXPERIMENT_RUN_ID}: A ID correspondente à Execução do experimento.
{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.

Parar e excluir um experimento programado

Se você deseja interromper a execução de um Experimento programado antes de seu endTime, isso pode ser feito consultando uma solicitação DELETE para a variável {EXPERIMENT_ID}

Solicitação

curl -X DELETE \
  'https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {ORG_ID}'

{EXPERIMENT_ID}: A ID correspondente ao Experimento.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{ORG_ID}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.

OBSERVAÇÃO

A chamada da API desativará a criação de novas execuções de Experimento. No entanto, não interromperá a execução de Execuções de Experimento já em execução.

Veja a seguir a Resposta notificando que o Experimento foi excluído com êxito.

Resposta

{
    "title": "Success",
    "status": 200,
    "detail": "Experiment successfully deleted"
}

Nesta página