Requêtes de régression Gremlin Edge dans Neptune ML - Amazon Neptune

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Requêtes de régression Gremlin Edge dans Neptune ML

La régression des tronçons est similaire à la classification des tronçons, sauf que la valeur déduite du modèle ML est numérique. Pour la régression des bords, Neptune ML prend en charge les mêmes requêtes que pour la classification.

Les points clés à noter sont les suivants :

  • Vous devez utiliser le prédicat ML"Neptune#ml.regression"pour configurer leproperties()étape pour ce cas d'utilisation.

  • Le"Neptune#ml.limit"et"Neptune#ml.threshold"les prédicats ne sont pas applicables dans ce cas d'utilisation.

  • Pour filtrer la valeur, vous devez spécifier la valeur sous forme numérique.

Syntaxe d'une requête de régression Gremlin Edge

Pour un graphique simple oùUserest le nœud principal,Movieest le nœud de queue, etRatedest l'arête qui les relie, voici un exemple de requête de régression de bord qui trouve la valeur d'évaluation numérique, appelée score ici, pour le tronçonRated :

g.with("Neptune#ml.endpoint","edge-regression-movie-lens-endpoint") .with("Neptune#ml.iamRoleArn","arn:aws:iam::0123456789:role/sagemaker-role") .E("rating_1","rating_2","rating_3") .properties("score").with("Neptune#ml.regression")

Vous pouvez également appliquer un filtre sur une valeur déduite du modèle de régression ML. Pour l'existantRatedbords (à partir deUserpourMovie) identifié par"rating_1","rating_2", et"rating_3", où la propriété edgeScoren'est pas présent pour ces évaluations, vous pouvez utiliser une requête comme suit pour déduireScorepour les arêtes où il est supérieur ou égal à 9 :

g.with("Neptune#ml.endpoint","edge-regression-movie-lens-endpoint") .with("Neptune#ml.iamRoleArn","arn:aws:iam::0123456789:role/sagemaker-role") .E("rating_1","rating_2","rating_3") .properties("score").with("Neptune#ml.regression") .value().is(P.gte(9))