使用 Sensei Machine Learning API
本教學課程將介紹如何善用 API 以創建實驗和實驗運行。 有關 Sensei 機器學習 API 中所有終結點的清單，請參閱 此文件。
建立計分的计划實驗
與培訓的計劃實驗類似，創建計分的計劃實驗也是通過在 body 参数中包含部分 template 來完成的。 此外，內文中tasks下的name欄位已設定為score。
下列是建立從startTime開始每20分鐘執行一次並將執行至endTime的實驗的範例。
要求
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}：您在唯一Adobe Experience Platform整合中找到的組織認證。{ACCESS_TOKEN}：驗證後提供您的特定持有人權杖值。{API_KEY}： 在獨特 Adobe Experience Platform 整合中找到您的特定 API 值。{JSON_PAYLOAD}：要傳送的Experiment Run物件。 我們教學課程中使用的範例顯示於此處：
{
"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}：代表MLInstance的ID。{MODEL_ID}：代表訓練模型的識別碼。
以下是建立排程實驗後的回應。
回應
{
"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}：代表實驗的 ID。{INSTANCE_ID}：表示 MLInstance 的 ID。
建立實驗跑得分
現在，使用經過訓練的模型，我們可以創建一個實驗 Run進行評分。 參數值 modelId 為 id 上述GET模型請求中返回的參數。
要求
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}： 在獨特Adobe Experience Platform整合中找到您的組織憑證。{ACCESS_TOKEN}：您在驗證后提供的特定持有者令牌值。{API_KEY}： 在獨特 Adobe Experience Platform 整合中找到您的特定 API 值。{EXPERIMENT_ID}：與要目標實驗對應的 ID。 這可以在創建實驗時的回應中找到。{JSON_PAYLOAD}：要發佈的數據。 我們在本教學課程中使用的範例如下：
{
"mode":"score",
"tasks": [
{
"name": "score",
"parameters": [
{
"key": "modelId",
"value": "{MODEL_ID}"
}
]
}
]
}
{MODEL_ID}：與模型對應的識別碼。
來自實驗回合建立的回應如下所示：
回應
{
"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}：與執行所在實驗相對應的ID。{EXPERIMENT_RUN_ID}：與剛剛創建的實驗 Run對應的 ID。
擷取已排程實驗執行的實驗執行狀態
若要取得排程實驗的實驗執行，查詢如下所示：
要求
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}：與執行所在實驗相對應的ID。{ACCESS_TOKEN}：驗證後提供您的特定持有人權杖值。{ORG_ID}： 在獨特Adobe Experience Platform整合中找到您的組織憑證。
由于特定實驗有多個實驗運行，因此返回的回應將具有運行 ID 数組。
回應
{
"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}：對應實驗執行的 ID。{EXPERIMENT_ID}：與運行所在的實驗對應的 ID。
停止並刪除排程的實驗
如果您想要在排程的Experiment endTime之前停止執行，這可透過查詢{EXPERIMENT_ID}的DELETE要求來完成
要求
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}：與實驗對應的識別碼。{ACCESS_TOKEN}：驗證後提供您的特定持有人權杖值。{ORG_ID}：您在唯一Adobe Experience Platform整合中找到的組織認證。
以下是「回應」，通知實驗已成功刪除。
回應
{
"title": "Success",
"status": 200,
"detail": "Experiment successfully deleted"
}