Posta en modell med Sensei Machine Learning API

I den här självstudiekursen visas hur du använder API:erna för att skapa en Experiment och en ExperimentKör. En lista över alla slutpunkter i Sensei Machine Learning API finns på det här dokumentet.

Skapa en schemalagd expert för poängsättning

På samma sätt som schemalagda utbildningsexperter, kan man även skapa en schemalagd utvärdering av poängsättningen genom att inkludera en template -avsnittet till body-parametern. Dessutom finns name fält under tasks i brödtexten är inställd som score.

Följande är ett exempel på hur du skapar en Experiment som körs var 20:e minut från startTime och kommer att köras tills endTime.

Begäran

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}: Dina organisationsuppgifter finns i din unika Adobe Experience Platform-integration.
{ACCESS_TOKEN}: Ditt specifika värde för innehavartoken som tillhandahålls efter autentisering.
{API_KEY}: Ditt specifika API-nyckelvärde som finns i din unika Adobe Experience Platform-integrering.
{JSON_PAYLOAD}: Objekt för experimentkörning som ska skickas. Exemplet vi använder i vår självstudiekurs visas här:

{
    "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}: Det ID som representerar MLInstance.
{MODEL_ID}: Det ID som representerar den tränade modellen.

Följande är svaret efter att den schemalagda experten har skapats.

Svar

{
  "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}: Det ID som representerar Experimenten.
{INSTANCE_ID}: Det ID som representerar MLInstance.

Skapa en provkörning för poängsättning

Med den tränade modellen kan vi nu skapa en Experiment Run för poängsättning. Värdet för modelId parametern är id parameter som returneras i GET Model-begäran ovan.

Begäran

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}: Dina organisationsuppgifter finns i din unika Adobe Experience Platform-integration.
{ACCESS_TOKEN}: Ditt specifika värde för innehavartoken som tillhandahålls efter autentisering.
{API_KEY}: Ditt specifika API-nyckelvärde som finns i din unika Adobe Experience Platform-integrering.
{EXPERIMENT_ID}: Det ID som motsvarar den experiment som du vill använda som mål. Det här finns i svaret när du skapar din Experiment.
{JSON_PAYLOAD}: Data som ska bokföras. Exemplet vi använder i vår självstudiekurs är här:

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

{MODEL_ID}: Det ID som motsvarar modellen.

Svaret från att skapa en Experiment Run visas nedan:

Svar

{
    "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}: Det ID som motsvarar det Experiment som Kör finns under.
{EXPERIMENT_RUN_ID}: Det ID som motsvarar den Experimentkörning du just skapade.

Hämta en status för experimentell körning för schemalagd experimentell körning

Om du vill hämta Experiment Runs för schemalagda experiment visas frågan nedan:

Begäran

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}: Det ID som motsvarar det Experiment som Kör finns under.
{ACCESS_TOKEN}: Ditt specifika värde för innehavartoken som tillhandahålls efter autentisering.
{ORG_ID}: Dina organisationsuppgifter finns i din unika Adobe Experience Platform-integration.

Eftersom det finns flera Experiment Runs för en viss Experiment har det returnerade svaret en array med Run ID:n.

Svar

{
    "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}: Det ID som motsvarar Experimentkörningen.
{EXPERIMENT_ID}: Det ID som motsvarar det Experiment som Kör finns under.

Stoppa och ta bort en schemalagd experiment

Om du vill avbryta körningen av en schemalagd expert innan den körs endTimekan du göra detta genom att fråga DELETE till {EXPERIMENT_ID}

Begäran

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}: Det ID som motsvarar Experimenten.
{ACCESS_TOKEN}: Ditt specifika värde för innehavartoken som tillhandahålls efter autentisering.
{ORG_ID}: Dina organisationsuppgifter finns i din unika Adobe Experience Platform-integration.

NOTE
API-anropet inaktiverar skapandet av nya Experiment-körningar. Körningen av Experiment Runs avbryts dock inte.

Här följer ett svar som meddelar att experten har tagits bort.

Svar

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