本教學課程將說明如何運用API來建立實驗和執行實驗。 如需Sensei機器學習API中所有端點的清單,請參閱 本檔案.
類似於訓練的已排程實驗,建立已排程實驗以進行評分也是透過包含 template
區段至body引數。 此外, name
欄位在 tasks
內文中的設定為 score
.
以下範例說明如何建立實驗,從開始每20分鐘執行一次 startTime
和將執行至 endTime
.
要求
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}
:您在唯一Adobe Experience Platform整合中找到的組織憑證。
{ACCESS_TOKEN}
:驗證後提供的特定持有人權杖值。
{API_KEY}
:您在唯一Adobe Experience Platform整合中找到的特定API金鑰值。
{JSON_PAYLOAD}
:要傳送的Experiment Run物件。 我們會在教學課程中使用的範例顯示在這裡:
{
"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}
:代表MLInstance的ID。
{MODEL_ID}
:代表已訓練模型的ID。
以下是建立排程實驗後的回應。
回應
{
"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}
:代表實驗的ID。
{INSTANCE_ID}
:代表MLInstance的ID。
現在,有了經過訓練的模型,我們可以為評分建立實驗回合。 的值 modelId
引數為 id
引數已在上述GET模型請求中傳回。
要求
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}
:您在唯一Adobe Experience Platform整合中找到的組織憑證。
{ACCESS_TOKEN}
:驗證後提供的特定持有人權杖值。
{API_KEY}
:您在唯一Adobe Experience Platform整合中找到的特定API金鑰值。
{EXPERIMENT_ID}
:與您要鎖定之實驗相對應的ID。 這可在建立實驗時的回應中找到。
{JSON_PAYLOAD}
:要發佈的資料。 我們在本教學課程中使用的範例如下:
{
"mode":"score",
"tasks": [
{
"name": "score",
"parameters": [
{
"key": "modelId",
"value": "{MODEL_ID}"
}
]
}
]
}
{MODEL_ID}
:與模型相對應的ID。
建立實驗回合的回應如下所示:
回應
{
"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}
:與執行所在實驗相對應的ID。
{EXPERIMENT_RUN_ID}
:與您剛建立的Experiment Run相對應的ID。
若要取得排程實驗的實驗執行,查詢如下所示:
要求
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}
:與執行所在實驗相對應的ID。
{ACCESS_TOKEN}
:驗證後提供的特定持有人權杖值。
{ORG_ID}
:您在唯一Adobe Experience Platform整合中找到的組織憑證。
由於特定實驗有多個實驗執行,因此傳回的回應將具有執行ID陣列。
回應
{
"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}
:與實驗回合相對應的ID。
{EXPERIMENT_ID}
:與執行所在實驗相對應的ID。
如果您想要在排程實驗之前停止執行 endTime
,這可透過向查詢DELETE請求來完成 {EXPERIMENT_ID}
要求
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}
:與實驗相對應的ID。
{ACCESS_TOKEN}
:驗證後提供的特定持有人權杖值。
{ORG_ID}
:您在唯一Adobe Experience Platform整合中找到的組織憑證。
API呼叫將停用建立新的實驗執行。 但是,它不會停止執行已執行的實驗回合。
以下是「回應」,通知實驗已成功刪除。
回應
{
"title": "Success",
"status": 200,
"detail": "Experiment successfully deleted"
}