Sensei Machine Learning API을(를) 사용하여 모델에 점수 매기기

이 자습서에서는 API를 활용하여 실험 및 실험 실행을 만드는 방법을 보여줍니다. Sensei 머신 러닝 API의 모든 끝점 목록은 이 문서를 참조하십시오.

채점에 대해 예약된 실험 만들기

교육을 위해 예약된 실험과 마찬가지로, 채점을 위해 예약된 실험을 만드는 작업도 본문 매개 변수에 template 섹션을 포함하여 수행됩니다. 또한 본문의 tasks 아래에 있는 name 필드가 score(으)로 설정되어 있습니다.

다음은 startTime부터 20분마다 실행되고 endTime까지 실행되는 실험을 만드는 예입니다.

요청

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}: 고유한 Adobe Experience Platform 통합에서 조직 자격 증명을 찾았습니다.
{ACCESS_TOKEN}: 인증 후 제공한 특정 전달자 토큰 값입니다.
{API_KEY}: 고유한 Adobe Experience Platform 통합에서 특정 API 키 값을 찾았습니다.
{JSON_PAYLOAD}: 보낼 실험 실행 개체입니다. 자습서에서 사용하는 예는 다음과 같습니다.

{
    "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}: MLInstance를 나타내는 ID.
{MODEL_ID}: 훈련된 모델을 나타내는 ID입니다.

다음은 예약된 실험을 만든 후의 응답입니다.

응답

{
  "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}: 실험을 나타내는 ID.
{INSTANCE_ID}: MLInstance를 나타내는 ID.

채점을 위한 실험 실행 만들기

이제 훈련된 모델을 사용하여 채점을 위한 실험 실행을 만들 수 있습니다. modelId 매개 변수의 값은 위의 GET 모델 요청에서 반환된 id 매개 변수입니다.

요청

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}: 고유한 Adobe Experience Platform 통합에서 조직 자격 증명을 찾았습니다.
{ACCESS_TOKEN}: 인증 후 제공한 특정 전달자 토큰 값입니다.
{API_KEY}: 고유한 Adobe Experience Platform 통합에서 특정 API 키 값을 찾았습니다.
{EXPERIMENT_ID}: 타깃팅하려는 실험에 해당하는 ID입니다. 이는 실험을 생성할 때 응답에서 찾을 수 있습니다.
{JSON_PAYLOAD}: 게시할 데이터. 자습서에서 사용하는 예는 다음과 같습니다.

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

{MODEL_ID}: 모델에 해당하는 ID.

실험 실행 만들기의 응답은 다음과 같습니다.

응답

{
    "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}: 실행 중인 실험에 해당하는 ID.
{EXPERIMENT_RUN_ID}: 방금 만든 실험 실행에 해당하는 ID입니다.

예약된 실험 실행에 대한 실험 실행 상태 검색

예약된 실험에 대한 실험 실행을 가져오려면 쿼리가 아래에 표시됩니다.

요청

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}: 실행 중인 실험에 해당하는 ID.
{ACCESS_TOKEN}: 인증 후 제공한 특정 전달자 토큰 값입니다.
{ORG_ID}: 고유한 Adobe Experience Platform 통합에서 조직 자격 증명을 찾았습니다.

특정 실험에 대해 여러 실험 실행이 있기 때문에, 반환되는 응답에는 실행 ID 배열이 있습니다.

응답

{
    "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}: 실험 실행에 해당하는 ID입니다.
{EXPERIMENT_ID}: 실행 중인 실험에 해당하는 ID.

예약된 실험 중지 및 삭제

endTime 전에 예약된 실험의 실행을 중지하려면 {EXPERIMENT_ID}에 DELETE 요청을 쿼리하여 이 작업을 수행할 수 있습니다.

요청

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}: 실험에 해당하는 ID.
{ACCESS_TOKEN}: 인증 후 제공한 특정 전달자 토큰 값입니다.
{ORG_ID}: 고유한 Adobe Experience Platform 통합에서 조직 자격 증명을 찾았습니다.

NOTE
API 호출로 새 실험 실행 생성이 비활성화됩니다. 하지만 이미 실행 중인 실험 실행의 실행은 중지되지 않습니다.

다음은 실험이 성공적으로 삭제되었음을 알리는 응답입니다.

응답

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