使用 Sensei Machine Learning API
本教程将向您展示如何利用API创建实验和实验运行。 有关Sensei机器学习API中所有端点的列表，请参阅 本文档.
为评分创建计划实验
与培训的计划实验类似，还通过包含 template 部分。 此外， name 字段 tasks 在主体中设置为 score.
以下是创建一个实验的示例，该实验将从 startTime 将运行到 endTime.
请求
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}:您的IMS组织凭据可在独特的Adobe Experience Platform集成中找到。
{ACCESS_TOKEN}:身份验证后提供的特定载体令牌值。
{API_KEY}:您在独特的Adobe Experience Platform集成中找到的特定API密钥值。
{JSON_PAYLOAD}:要发送的Experience Run对象。 下面显示了我们在教程中使用的示例：
{
"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}:表示MLInstance的ID。
{MODEL_ID}:表示已培训模型的ID。
以下是创建计划实验后的响应。
响应
{
"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}:表示实验的ID。
{INSTANCE_ID}:表示MLInstance的ID。
为评分创建实验运行
现在，利用训练好的模型，我们可以创建一个“实验运行”来打分。 的值 modelId 参数是 id 在上述GET模型请求中返回的参数。
请求
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}:您的IMS组织凭据可在独特的Adobe Experience Platform集成中找到。
{ACCESS_TOKEN}:身份验证后提供的特定载体令牌值。
{API_KEY}:您在独特的Adobe Experience Platform集成中找到的特定API密钥值。
{EXPERIMENT_ID}:与要定位的实验对应的ID。 这可在创建实验时的响应中找到。
{JSON_PAYLOAD}:要发布的数据。 以下是我们在教程中使用的示例：
{
"mode":"score",
"tasks": [
{
"name": "score",
"parameters": [
{
"key": "modelId",
"value": "{MODEL_ID}"
}
]
}
]
}
{MODEL_ID}:与模型对应的ID。
“实验运行”创建的响应如下所示：
响应
{
"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}:与运行所在实验对应的ID。
{EXPERIMENT_RUN_ID}:与您刚刚创建的“实验运行”对应的ID。
为计划的实验运行检索实验运行状态
要为计划实验运行体验，查询如下所示：
请求
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}:与运行所在实验对应的ID。
{ACCESS_TOKEN}:身份验证后提供的特定载体令牌值。
{ORG_ID}:您的IMS组织凭据可在独特的Adobe Experience Platform集成中找到。
由于特定实验存在多个实验运行，因此返回的响应将具有一组运行ID。
响应
{
"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}:与“实验运行”对应的ID。
{EXPERIMENT_ID}:与运行所在实验对应的ID。
停止和删除计划的实验
如果要在计划实验之前停止执行该实验 endTime，可通过查询向 {EXPERIMENT_ID}
请求
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}:与实验对应的ID。
{ACCESS_TOKEN}:身份验证后提供的特定载体令牌值。
{ORG_ID}:您的IMS组织凭据可在独特的Adobe Experience Platform集成中找到。
API调用将禁用创建新的实验运行。 但是，它不会停止执行已在运行的实验运行。
以下是通知实验已成功删除的响应。
响应
{
"title": "Success",
"status": 200,
"detail": "Experiment successfully deleted"
}
