使用 Sensei Machine Learning API
本教程将介绍如何利用 API 创建试验和试验运行。 有关 Sensei 机器学习 API 中所有端点的列表，请参阅 此文档。
创建用于评分的计划实验
与用于训练的计划实验类似，创建用于评分的计划实验也是通过在 body 参数中包含部分 template 来完成的。 此外，正文中tasks下的name字段设置为score。
以下示例用于创建从startTime开始每隔20分钟运行一次并一直运行到endTime的试验。
请求
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}：在独特的Adobe Experience Platform集成中找到您的组织凭据。{ACCESS_TOKEN}：在身份验证后提供的特定持有者令牌值。{API_KEY}：您的特定 API 密钥值，可在唯一的 Adobe Experience Platform 集成中找到。{JSON_PAYLOAD}：要发送的试验运行对象。 我们在本教程中使用的示例如下所示：
{
"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}：表示MLInstance的ID。{MODEL_ID}：表示已训练模型的ID。
以下是创建计划试验后的响应。
响应
{
"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}：表示实验的 ID。{INSTANCE_ID}：表示 MLInstance 的 ID。
创建用于评分的试验运行
现在，使用经过训练的模型，我们可以创建用于评分的实验运行。 参数的值 modelId 是上述 GET 模型请求中返回的 id 参数。
请求
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}：您的组织凭据可在唯一的 Adobe Experience Platform 集成中找到。{ACCESS_TOKEN}：身份验证后提供的特定持有者令牌值。{API_KEY}：您的特定 API 密钥值，可在唯一的 Adobe Experience Platform 集成中找到。{EXPERIMENT_ID}：与要定位的实验对应的 ID。 这可以在创建实验时的响应中找到。{JSON_PAYLOAD}：要发布的数据。 我们在本教程中使用的示例如下：
{
"mode":"score",
"tasks": [
{
"name": "score",
"parameters": [
{
"key": "modelId",
"value": "{MODEL_ID}"
}
]
}
]
}
{MODEL_ID}：与模型对应的ID。
试验运行创建的响应如下所示：
响应
{
"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}：与运行所依据的试验相对应的ID。{EXPERIMENT_RUN_ID}：与刚刚创建的试验运行对应的 ID。
为计划的试验运行检索试验运行状态
要获取计划试验的试验运行，查询如下所示：
请求
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}：与运行所依据的试验相对应的ID。{ACCESS_TOKEN}：在身份验证后提供的特定持有者令牌值。{ORG_ID}：您的组织凭据可在唯一的 Adobe Experience Platform 集成中找到。
由于特定试验有多个试验运行，因此返回的响应将具有运行 ID 数组。
响应
{
"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}：与实验运行对应的 ID。{EXPERIMENT_ID}：与运行所在的实验对应的 ID。
停止并删除计划的试验
如果要在计划试验endTime之前停止执行它，可以通过查询{EXPERIMENT_ID}的DELETE请求来完成
请求
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}：与试验对应的ID。{ACCESS_TOKEN}：在身份验证后提供的特定持有者令牌值。{ORG_ID}：在独特的Adobe Experience Platform集成中找到您的组织凭据。
以下是“响应”，通知已成功删除试验。
响应
{
"title": "Success",
"status": 200,
"detail": "Experiment successfully deleted"
}