Formats de demande et de réponse k-NN
Tous les algorithmes Amazon SageMaker intégrés respectent le format d'inférence d'entrée courant décrit dans Formats de données courants – Inférence. Cette rubrique contient la liste des formats de sortie disponibles pour l'algorithme k-NN SageMaker.
ENTRÉE : format de demande CSV
content-type: text/csv
1.2,1.3,9.6,20.3
Accepte un paramètre d'encodage label_size
ou . Il suppose un champ label_size
égal à 0 et un encodage UTF-8.
ENTRÉE : format de demande JSON
content-type: application/json
{ "instances": [ {"data": {"features": {"values": [-3, -1, -4, 2]}}}, {"features": [3.0, 0.1, 0.04, 0.002]}] }
ENTRÉE : format de demande JSONLINES
content-type: application/jsonlines
{"features": [1.5, 16.0, 14.0, 23.0]} {"data": {"features": {"values": [1.5, 16.0, 14.0, 23.0]}}
ENTRÉE : format de demande RECORDIO
content-type: application/x-recordio-protobuf
[ Record = { features = { 'values': { values: [-3, -1, -4, 2] # float32 } }, label = {} }, Record = { features = { 'values': { values: [3.0, 0.1, 0.04, 0.002] # float32 } }, label = {} }, ]
SORTIE : format de réponse JSON
accept: application/json
{ "predictions": [ {"predicted_label": 0.0}, {"predicted_label": 2.0} ] }
SORTIE : format de réponse JSONLINES
accept: application/jsonlines
{"predicted_label": 0.0} {"predicted_label": 2.0}
SORTIE : format de réponse VERBOSE JSON
En mode détaillé, l'API fournit les résultats de recherche avec le vecteur des distances triées de la plus petite à la plus grande, et les éléments correspondants dans le vecteur des étiquettes. Dans cet exemple, k a la valeur 3.
accept: application/json; verbose=true
{ "predictions": [ { "predicted_label": 0.0, "distances": [3.11792408, 3.89746071, 6.32548437], "labels": [0.0, 1.0, 0.0] }, { "predicted_label": 2.0, "distances": [1.08470316, 3.04917915, 5.25393973], "labels": [2.0, 2.0, 0.0] } ] }
SORTIE : format de réponse RECORDIO-PROTOBUF
content-type: application/x-recordio-protobuf
[ Record = { features = {}, label = { 'predicted_label': { values: [0.0] # float32 } } }, Record = { features = {}, label = { 'predicted_label': { values: [2.0] # float32 } } } ]
SORTIE : format de réponse VERBOSE RECORDIO-PROTOBUF
En mode détaillé, l'API fournit les résultats de recherche avec le vecteur des distances triées de la plus petite à la plus grande, et les éléments correspondants dans le vecteur des étiquettes. Dans cet exemple, k a la valeur 3.
accept: application/x-recordio-protobuf; verbose=true
[ Record = { features = {}, label = { 'predicted_label': { values: [0.0] # float32 }, 'distances': { values: [3.11792408, 3.89746071, 6.32548437] # float32 }, 'labels': { values: [0.0, 1.0, 0.0] # float32 } } }, Record = { features = {}, label = { 'predicted_label': { values: [0.0] # float32 }, 'distances': { values: [1.08470316, 3.04917915, 5.25393973] # float32 }, 'labels': { values: [2.0, 2.0, 0.0] # float32 } } } ]
EXEMPLE DE SORTIE pour l'algorithme k-NN
Pour les tâches regressor :
[06/08/2018 20:15:33 INFO 140026520049408] #test_score (algo-1) : ('mse', 0.013333333333333334)
Pour les tâches classifier :
[06/08/2018 20:15:46 INFO 140285487171328] #test_score (algo-1) : ('accuracy', 0.98666666666666669)