Format Permintaan dan Respons K-nn

Semua algoritme SageMaker bawaan Amazon mematuhi format inferensi input umum yang dijelaskan dalam Format Data Umum - Inferensi. Topik ini berisi daftar format output yang tersedia untuk SageMaker k-nearest-neighbor algoritme.

MASUKAN: Format Permintaan CSV

tipe konten: teks/csv

1.2,1.3,9.6,20.3

Ini menerima parameter label_size atau pengkodean. Ini mengasumsikan 0 dan label_size pengkodean utf-8.

MASUKAN: Format Permintaan JSON

tipe konten: aplikasi/json

{
  "instances": [
    {"data": {"features": {"values": [-3, -1, -4, 2]}}},
    {"features": [3.0, 0.1, 0.04, 0.002]}]
}

MASUKAN: Format Permintaan JSONLINES

tipe konten: aplikasi/jsonlines

{"features": [1.5, 16.0, 14.0, 23.0]}
{"data": {"features": {"values": [1.5, 16.0, 14.0, 23.0]}}

MASUKAN: Format Permintaan RECORDIO

tipe konten: aplikasi/ 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 = {}
    },
] 

KELUARAN: Format Respons JSON

terima: aplikasi/json

{
  "predictions": [
    {"predicted_label": 0.0},
    {"predicted_label": 2.0}
  ]
}

KELUARAN: Format Respons JSONLINES

terima: aplikasi/jsonlines

{"predicted_label": 0.0}
{"predicted_label": 2.0}

KELUARAN: Format Respons JSON VERBOSE

Dalam mode verbose, API menyediakan hasil pencarian dengan vektor jarak yang diurutkan dari terkecil hingga terbesar, dengan elemen yang sesuai dalam vektor label. Dalam contoh ini, k diatur ke 3.

terima: aplikasi/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]
    }
  ]
}

KELUARAN: Format Respons RECORDIO-PROTOBUF

tipe konten: aplikasi/ x-recordio-protobuf

[
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [0.0]  # float32
            }
        }
    },
    Record = {
        features = {},
        label = {
            'predicted_label': {
                values: [2.0]  # float32
            }
        }
    }
]

KELUARAN: Format Respons VERBOSE RECORDIO-PROTOBUF

Dalam mode verbose, API menyediakan hasil pencarian dengan vektor jarak yang diurutkan dari terkecil hingga terbesar, dengan elemen yang sesuai dalam vektor label. Dalam contoh ini, k diatur ke 3.

terima: aplikasi/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
            }
        }
    }
]

SAMPEL OUTPUT untuk Algoritma K-nN

Untuk tugas regressor:

[06/08/2018 20:15:33 INFO 140026520049408] #test_score (algo-1) : ('mse', 0.013333333333333334)

Untuk tugas pengklasifikasi:

[06/08/2018 20:15:46 INFO 140285487171328] #test_score (algo-1) : ('accuracy', 0.98666666666666669)