ドキュメントExperience Platformデータサイエンスワークスペースガイド

Sensei Machine Learning API を使用したモデルのスコアリング

Last update: Mon Aug 05 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

作成対象：

  • ユーザー
  • 開発者
NOTE
Data Science Workspaceは購入できなくなりました。
このドキュメントは、Data Science Workspaceの以前の使用権限を持つ既存のお客様を対象としています。

このチュートリアルでは、API を活用して実験を作成し、実行する方法を示します。Sensei Machine Learning API のすべてのエンドポイントのリストについては、 このドキュメントを参照してください。

スコアリングのためのスケジュールされた実験の作成

トレーニングのためのスケジュールされた実験と同様に、スコアリングのためのスケジュールされた実験の作成も、ボディパラメーターに template セクションを含めることでおこなわれます。また、本文の tasks の下の name フィールドは score に設定されます。

以下は、startTime に開始してから 20 分ごとに実行し、endTime まで実行する実験を作成する例です。

リクエスト

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}：組織の資格情報が、一意のAdobe Experience Platform統合で見つかりました。
{ACCESS_TOKEN}：認証後に提供される特定の Bearer トークン値。
{API_KEY}：固有の Adobe Experience Platform 統合での特定の API キーの値。
{JSON_PAYLOAD}：送信する実験実行オブジェクト。このチュートリアルで使用する例を次に示します。

{
    "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}：MLInstance を表す ID。
{MODEL_ID}：トレーニング済みモデルを表す ID。

次に、スケジュールされた実験を作成した後の応答を示します。

応答

{
  "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}：Experiment を表す ID。
{INSTANCE_ID}：MLInstance を表す ID。

スコアリングのための実験実行の作成

トレーニング済みモデルを使って、スコアリングのための実験実行を作成できます。modelId パラメーターの値は、上記の GET モデルリクエストで返される id パラメーターです。

リクエスト

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}：組織の資格情報が、一意のAdobe Experience Platform統合で見つかりました。
{ACCESS_TOKEN}：認証後に提供される特定の Bearer トークン値。
{API_KEY}：固有の Adobe Experience Platform 統合での特定の API キーの値。
{EXPERIMENT_ID}：ターゲットする実験に対応する ID。これは、実験を作成する際の応答に含まれています。
{JSON_PAYLOAD}：投稿するデータ。このチュートリアルで使用する例を次に示します。

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

{MODEL_ID}：モデルに対応する ID。

実験実行の作成からの応答を次に示します。

応答

{
    "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}：実行する実験に対応する ID。
{EXPERIMENT_RUN_ID}：作成した実験実行に対応する ID。

スケジュールされた実験実行の実験実行ステータスの取得

スケジュールされた実験の実験実行を取得するためのクエリを次に示します。

リクエスト

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}：実行する実験に対応する ID。
{ACCESS_TOKEN}：認証後に提供される特定の Bearer トークン値。
{ORG_ID}：組織の資格情報が、一意のAdobe Experience Platform統合で見つかりました。

特定のテストに対して複数の実験実行があるので、返される応答には実行 ID の配列が含まれます。

応答

{
    "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}：実験実行に対応する ID。
{EXPERIMENT_ID}：実行する実験に対応する ID。

スケジュールされた実験の停止と削除

endTime よりも前に、スケジュールに沿った Experiment の実行を停止する場合は、{EXPERIMENT_ID} に DELETE リクエストを実行します。

リクエスト

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}：Experiment に対応する ID。
{ACCESS_TOKEN}：認証後に提供される特定の Bearer トークン値。
{ORG_ID}：組織の資格情報が、一意のAdobe Experience Platform統合で見つかりました。

NOTE
API 呼び出しにより、新しい実験実行の作成が無効になります。 ただし、既に実行中の Experiment Run は停止されません。

次に、Experiment が正常に削除されたことを通知するレスポンスを示します。

応答

{
    "title": "Success",
    "status": 200,
    "detail": "Experiment successfully deleted"
}
recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9