Pontuar um modelo usando o 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 agendados para treinamento, a criação de um Experimento agendado para pontuação também é feita incluindo uma seção template
no parâmetro do corpo. Além disso, o campo name
em 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}
: as credenciais da sua organização foram encontradas em sua integração exclusiva com o Adobe Experience Platform.{ACCESS_TOKEN}
: Seu valor de token de portador específico fornecido após a autenticação.{API_KEY}
: O valor da sua chave de API específica foi encontrado na sua integração exclusiva do Adobe Experience Platform.{JSON_PAYLOAD}
: objeto de Execução de Experimento a ser enviado. O exemplo que usamos 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 MLInstance.{MODEL_ID}
: a ID que representa o Modelo treinado.
Veja a seguir a resposta 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 MLInstance.
Criar uma execução de experimento para pontuação
Agora, com o modelo treinado, podemos criar uma Execução de experimento para pontuação. O valor do parâmetro modelId
é o parâmetro id
retornado na solicitação do Modelo GET 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}
: as credenciais da sua organização foram encontradas em sua integração exclusiva com o Adobe Experience Platform.{ACCESS_TOKEN}
: Seu valor de token de portador específico fornecido após a autenticação.{API_KEY}
: O valor da sua chave de API específica foi encontrado na sua 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 o experimento.{JSON_PAYLOAD}
: Dados a serem postados. O exemplo que usamos 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 do 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 identificação correspondente à execução do experimento que você acabou de criar.
Recuperar um status de Execução de experimento para a Execução de experimento programada
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}
: Seu valor de token de portador específico fornecido após a autenticação.{ORG_ID}
: as credenciais da sua organização foram encontradas em sua integração exclusiva com o 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 identificação correspondente à execução do experimento.{EXPERIMENT_ID}
: a ID correspondente ao experimento em que a execução está.
Parar e excluir um experimento agendado
Se você quiser parar a execução de um Experimento agendado antes de seu endTime
, isso pode ser feito consultando uma solicitação DELETE para o {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}
: Seu valor de token de portador específico fornecido após a autenticação.{ORG_ID}
: as credenciais da sua organização foram encontradas em sua integração exclusiva com o Adobe Experience Platform.
Esta é a resposta que notifica que o experimento foi excluído com sucesso.
Resposta
{
"title": "Success",
"status": 200,
"detail": "Experiment successfully deleted"
}